[发明专利]基于少量标注数据的病历完整性判别的方法、装置及系统

权利要求书

1.基于少量标注数据的病历完整性判别的方法，其特征在于，包括：

确定待判断的目标字段；

获取至少一条目标字段所对应的病历文本；

计算待检测病历文本与所述目标字段所对应的病历文本的相似程度；

当相似程度满足预设条件时，判定所述待检测病历文本含有目标字段内容，否则不含目标字段的内容。

2.根据权利要求1所述的方法，其特征在于，获取至少一条目标字段所对应的病历文本后，还包括以下处理步骤：

统计目标字段所对应的病历文本中不同字符的数目，并将这些字符构建成有序词表V；

将病历文本中目标字段对应的内容根据词表V转换为独热编码向量GV。

3.根据权利要求2所述的方法，其特征在于，不同字符包括：汉字、数字、字母和标点符号。

4.根据权利要求1所述的方法，其特征在于，计算待检测病历文本与所述目标字段所对应的病历文本的相似程度，具体为：

将待检测病历划分为至少一个段落；

根据预设的窗口大小及重叠度，将所述段落组合成至少一个片段；

将所述片段根据词表V转换为独热编码向量SV；其中，所述词表V为目标字段所对应的病历文本中不同字符构建成的有序词表；

计算独热编码向量SV中的每个向量与独热编码向量GV中的每个向量的相似度，并求平均值；

最大平均值作为待检测病历与目标字段所对应的病历文本的相似度值。

5.根据权利要求4所述的方法，其特征在于，根据预设的窗口大小及重叠度，将所述段落组合成至少一个片段，具体为：

设置窗口大小w，以及重叠度k；

将段落依次组合成m个片段，记为S＝[s₁,…,s_i,…,s_m]；

若n％(w-k)＞k；

若n％(w-k)≤k；

其中，int(a)表示取a的整数部分；a％b表示a除以b得到的余数；S中每个片段s_i包含了w个段落，并且s_i和s_i-1重叠了k个段落；

s_i＝d_t:d_t+1:…:d_q

t＝i*(w-k)

q＝min(t+k,n)

其中，a:b表示将a和b拼接在一起。

6.根据权利要求4所述的方法，其特征在于，所述计算独热编码向量SV中的每个向量与独热编码向量GV中的每个向量的相似度，并求平均值，具体为：

计算独热编码向量SV中的每个向量与独热编码向量GV中的每个向量的余弦相似度，并求平均值。

7.根据权利要求1所述的方法，其特征在于，当相似程度满足预设条件时，判定所述待检测病历文本含有目标字段内容，否则不含目标字段的内容，具体为：

设定阈值α，如果病历的得分小于阈值，则判定该病历未包含目标字段内容，否则认为该病历包含了目标字段内容。

8.基于少量标注数据的病历完整性判别的装置，其特征在于，包括确定单元、获取单元、处理单元和判断单元；其中，

所述确定单元，用于确定待判断的目标字段；

所述获取单元，用于获取至少一条目标字段所对应的病历文本；

所述处理单元，用于计算待检测病历文本与所述目标字段所对应的病历文本的相似程度；

所述判断单元，用于当相似程度满足预设条件时，判定所述待检测病历文本含有目标字段内容，否则不含目标字段的内容。

9.根据权利要求8所述的装置，其特征在于，所述装置还包括统计单元、构建单元和第一转换单元，其中：

所述统计单元，用于统计目标字段所对应的病历文本中不同字符的数目；

所述构建单元，用于并将这些字符构建成有序词表V；

所述第一转换单元，用于将病历文本中目标字段对应的内容根据词表V转换为独热编码向量GV。