[发明专利]医疗文献簇的主题确定方法、装置、电子设备及存储介质

权利要求书

1.一种医疗文献簇的主题确定方法，其特征在于，包括：

对多篇医疗文献进行聚类，得到至少一个医疗文献簇；

确定所述至少一个医疗文献簇中每个医疗文献簇中的目标医疗文献；

确定所述每个医疗文献簇对应的候选短语集；

根据所述每个医疗文献簇中的目标医疗文献以及所述每个医疗文献簇对应的候选短语集，确定所述每个医疗文献簇对应的主题，具体包括：对所述每个医疗文献簇中的目标医疗文献的标题进行词嵌入，得到所述每个医疗文献簇对应的第一特征向量；对所述候选短语集中的每个短语进行词嵌入，得到所述候选短语集中每个短语对应的第二特征向量；对所述候选短语集中每个短语中的每个单词进行词嵌入，得到每个单词对应的第三特征向量；根据所述每个单词对应的第三特征向量，确定所述候选短语集中每个短语对应的第四特征向量；确定所述候选短语集中每个短语的词频-逆文本频率TF-IDF；根据所述每个医疗文献簇对应的第一特征向量、所述候选短语集中每个短语对应的第二特征向量、所述候选短语集中每个短语对应的第四特征向量以及所述候选短语集中每个短语的TF-IDF，确定所述每个医疗文献簇对应的主题。

2.根据权利要求1所述的方法，其特征在于，所述确定所述至少一个医疗文献簇中每个医疗文献簇中的目标医疗文献，包括：

获取所述每个医疗文献簇中医疗文献之间的引用关系；

根据所述每个医疗文献簇中医疗文献之间的引用关系，确定所述每个医疗文献簇中各篇医疗文献的评分，所述各篇医疗文献的评分用于表征所述各篇医疗文献的重要性程度；

根据评分从大到小的顺序确定所述每个医疗文献簇中的目标医疗文献。

3.根据权利要求1或2所述的方法，其特征在于，所述确定所述每个医疗文献簇对应的候选短语集，包括：

根据所述每个医疗文献簇中各篇医疗文献的标题和摘要，确定所述每个医疗文献簇中各篇医疗文献对应的短语；

将所述每个医疗文献簇中各篇医疗文献对应的短语组成第一短语集；

对所述第一短语集中的短语进行筛选，得到所述每个医疗文献簇对应的候选短语集。

4.根据权利要求3所述的方法，其特征在于，所述对所述第一短语集中的短语进行筛选，得到所述每个医疗文献簇对应的候选短语集，包括：

将所述第一短语集中的缩写短语映射成全称，得到第二短语集；

将所述第二短语集中仅包含一个单词的短语删除，得到第三短语集；

确定所述第三短语集中语义相同的短语，并将所述第三短语集中语义相同的短语替换为标准化短语，得到第四候短语集；

将所述第四短语集作为所述每个医疗文献簇对应的候选短语集。

5.根据权利要求1所述的方法，其特征在于，所述根据所述每个医疗文献簇对应的第一特征向量、所述候选短语集中每个短语对应的第二特征向量、所述候选短语集中每个短语对应的第四特征向量以及所述候选短语集中每个短语的TF-IDF，确定所述每个医疗文献簇对应的主题，包括：

确定所述每个医疗文献簇对应的第一特征向量与所述候选短语集中每个短语对应的第二特征向量之间的第一相似度；

确定所述每个医疗文献簇对应的第一特征向量与所述候选短语集中每个短语对应的第四特征向量之间的第二相似度；

根据所述第一相似度和所述第二相似度以及所述TF-IDF值，确定所述每个医疗文献簇与所述候选短语集中每个短语之间的第三相似度；

根据所述候选短语集中每个短语的第二特征向量，确定所述候选短语集中任意两个短语之间的第四相似度；

根据所述每个医疗文献簇与所述候选短语集中每个短语之间的第三相似度以及所述任意两个短语之间的第四相似度，确定所述每个医疗文献簇对应的主题。