[发明专利]一种基于字向量相似度的医疗发票条目名称标准化方法及系统

权利要求书

1.一种基于字向量相似度的医疗发票条目名称标准化方法，其特征在于，包括：

构建医疗发票条目名称数据集；

基于所述数据集训练医疗文本字向量模型；

收集医疗发票条目标准名称数据，构建标准名称数据库；

基于所述医疗文本字向量模型，计算待标准化名称与所述标准名称数据库中的每个标准名称的字向量相似度；

选择相似度最大的标准名称作为所述待标准化名称的标准名称。

2.如权利要求1所述的方法，其特征在于，所述构建医疗发票条目名称数据集，包括：

收集医院的发票明细数据，构建医疗发票条目名称数据集；其中，所述医疗发票条目名称包括药品通用名称、药品注册名称和诊疗项目名称。

3.如权利要求1所述的方法，其特征在于，所述基于所述数据集训练医疗文本字向量模型，包括：

对所述数据集进行预处理，将所述数据集内每项医疗发票条目名称的各字符间以空格进行分隔；

利用GENSIM工具中的Skip-gram模型对分隔的字向量进行训练，得到医疗文本字向量模型。

4.如权利要求1所述的方法，其特征在于，所述收集医疗发票条目标准名称数据，构建标准名称数据库；包括：

采用网络爬虫技术，从医疗领域的开放知识库中爬取医疗发票条目标准名称数据；其中，所述医疗发票条目标准名称包括药品通用名称、药品注册名称和诊疗项目名称；

对爬取的标准名称数据进行去重处理；

基于所述医疗文本字向量模型，计算去重处理后的每条标准名称的向量；

将标准名称和对应的向量进行存储，形成最终的标准名称数据库。

5.如权利要求4所述的方法，其特征在于，所述基于所述医疗文本字向量模型，计算去重处理后的每条标准名称的向量；包括：

在所述医疗文本字向量模型中获取标准名称中每个字符的字向量c_i；其中，i＝1～N，N为标准名称的字符数量；

计算标准名称中全部字向量c_i的算术平均数，以算术平均数作为此标准名称的向量表示。

6.如权利要求1所述的方法，其特征在于，所述基于所述医疗文本字向量模型，计算待标准化名称与所述标准名称数据库中的每个标准名称的字向量相似度；包括：

基于所述医疗文本字向量模型，将待标准化名称转化为向量表示；

将所述待标准化名称的向量与标准名称数据库中的每个标准名称的向量进行相似度比较。

7.如权利要求6所述的方法，其特征在于，所述基于所述医疗文本字向量模型，将待标准化名称转化为向量表示；包括：

在所述医疗文本字向量模型中获取待标准化名称中每个字符的字向量c_j；其中，j＝1～M，M为标准名称的字符数量；

计算待标准化名称中全部字向量c_j的算术平均数，以算术平均数作为此待标准化名称的向量表示。

8.一种实现如权利要求1～7中任一项所述方法的系统，其特征在于，包括：

第一构建模块，用于构建医疗发票条目名称数据集；

训练模块，用于基于所述数据集训练医疗文本字向量模型；

第二构建模块，用于收集医疗发票条目标准名称数据，构建标准名称数据库；

计算模块，用于基于所述医疗文本字向量模型，计算待标准化名称与所述标准名称数据库中的每个标准名称的字向量相似度；

选择模块，用于选择相似度最大的标准名称作为所述待标准化名称的标准名称。