[发明专利]一种人类表型本体术语识别方法及系统

权利要求书

1.一种人类表型本体术语识别方法，其特征在于，包括：

获取电子病历；

对电子病历预处理，并切分出描述疾病症状的词组；

对每个词组，计算该词组与HPO库中每个HPO的相似度得分，相似度得分最高的HPO为该词组对应的HPO；

计算词组相似度得分的具体过程为：

基于n-gram匹配算法计算词组与HPO库中每个HPO的相似度；

基于WMD算法计算词组与HPO库中每个HPO的相似度；

将两个相似度进行加权求和，获得该词组与HPO库中每个HPO的相似度得分；

基于n-gram匹配算法计算词组与HPO库中每个HPO的相似度的具体过程为：

将词组及HPO库中HPO分别进行n-gram划分；

计算词组与HPO库中HPO的n-gram匹配信息；

计算每个n-gram匹配的准确度；

根据每个n-gram匹配的准确度及不同n-gram的权重，计算获得词组与HPO库中每个HPO的相似度；

基于WMD算法计算词组与HPO库中每个HPO的相似度的具体过程为：

将词组划分为字；

将词组中的每一个字以不同的权重转移到HPO库中所有HPO的字上；

计算词组中的字与每个HPO中字的欧式距离；

根据欧式距离，计算词组与每个HPO的词转移距离，为词组与HPO库中每个HPO的相似度。

2.如权利要求1所述的一种人类表型本体术语识别方法，其特征在于，对电子病历的预处理，包括，分词、去停用词和否定术语检出。

3.如权利要求1所述的一种人类表型本体术语识别方法，其特征在于，HPO库是过滤与症状描述无关的HPO后的HPO库。

4.一种人类表型本体术语识别系统，其特征在于，包括，

采集模块，用于获取电子病历；

预处理及词组切分模块，用于对电子病历预处理，并切分出描述疾病症状的词组；

HPO识别模块，用于对每个词组，计算该词组与HPO库中每个HPO的相似度得分，相似度得分最高的HPO为该词组对应的HPO；

计算词组相似度得分的具体过程为：

基于n-gram匹配算法计算词组与HPO库中每个HPO的相似度；

基于WMD算法计算词组与HPO库中每个HPO的相似度；

将两个相似度进行加权求和，获得该词组与HPO库中每个HPO的相似度得分；

基于n-gram匹配算法计算词组与HPO库中每个HPO的相似度的具体过程为：

将词组及HPO库中HPO分别进行n-gram划分；

计算词组与HPO库中HPO的n-gram匹配信息；

计算每个n-gram匹配的准确度；

根据每个n-gram匹配的准确度及不同n-gram的权重，计算获得词组与HPO库中每个HPO的相似度；

基于WMD算法计算词组与HPO库中每个HPO的相似度的具体过程为：

将词组划分为字；

将词组中的每一个字以不同的权重转移到HPO库中所有HPO的字上；

计算词组中的字与每个HPO中字的欧式距离；

根据欧式距离，计算词组与每个HPO的词转移距离，为词组与HPO库中每个HPO的相似度。

5.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成权利要求1-3任一项所述的一种人类表型本体术语识别方法。

6.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成权利要求1-3任一项所述的一种人类表型本体术语识别方法。