[发明专利]电子病历命名实体的识别方法、装置、远程终端及系统

权利要求书

1.电子病历命名实体的识别方法，其特征在于：包括：

S10，建立多个训练好的识别模型；

S20，获取待识别的电子病例；

S30，对所述步骤S20中的电子病例进行序列标注和数据转换，将其转换为识别模型可识别的文本数据；

S40，将所述步骤S30中转换后的文本数据分别输入训练好的多个识别模型中，进行命名实体识别，分别得到多个模型的识别结果；

S50，对多个识别结果进行融合模型的运算，得到融合后的最终识别结果。

2.根据权利要求1所述的电子病历命名实体的识别方法，其特征在于：所述步骤S10，建立多个训练好的识别模型；具体包括：

S101，将已有的电子病例库中的数据进行序列标注和数据转换，形成可识别的文本数据库；

S102，将文本数据库中的数据，按比例划分为训练集和测试集；

S103，通过训练集对多个识别模型分别进行训练，得到多个训练好的识别模型；

S104，使用测试集对训练好的多个识别模型进行测试，将每个识别模型得到的测试结果，进行融合模型的运算，得到最终的测试结果；

S105，对融合后的最终测试结果进行效果评价。

3.根据权利要求2所述的电子病历命名实体的识别方法，其特征在于：所述步骤S104中，进行融合模型的运算，具体包括：

对多个识别模型得到的多个识别结果进行投票表决，将所有模型中出现概率最多的结果作为融合后的最终结果。

4.根据权利要求2所述的电子病历命名实体的识别方法，其特征在于：所述步骤S105，对融合后的最终结果进行效果评价，具体包括：

对融合后的最终结果采用多个指标进行评价，多角度评价模型的效果；其中：多个指标包括：准确率、精确率、召回率、F1值。

5.根据权利要求4所述的电子病历命名实体的识别方法，其特征在于：多个指标的表达式分别为：

准确率＝所有预测正确的样本/总的样本；

精确率＝识别出正确的实体数/识别出的实体数；

召回率＝识别出正确的实体数/样本的实体数；

F1值＝(2*精确率*召回率)/(精确率+召回率)。

6.根据权利要求1所述的电子病历命名实体的识别方法，其特征在于：所述多个识别模型包括：HMM模型、CRF模型、Bi-LSTM模型、Bi-LSTM+CRF模型、SSVM模型。

7.电子病历命名实体的识别装置，其特征在于：包括：

建立模块(10)，用于建立多个训练好的识别模型；

获取模块(20)，用于获取待识别的电子病例；

数据转换模块(30)，用于对获取模块(10)中的电子病例进行序列标注和数据转换，将其转换为识别模型可识别的文本数据；

识别模块(40)，用于将数据转换模块(30)转换后的文本数据分别输入训练好的多个识别模型中，进行命名实体识别，分别得到多个模型的识别结果；

融合模块(50)，用于对多个识别结果进行融合模型的运算，得到融合后的最终结果。

8.根据权利要求7所述的电子病历命名实体的识别装置，其特征在于：所述建立模块(10)包括：

数据清洗模块(101)，用于将已有的电子病例库中的数据进行序列标注和数据转换，形成可识别的文本数据库；

划分模块(102)，用于将文本数据库中的数据，按比例划分为训练集和测试集

训练模块(103)，用于通过训练集对多个识别模型分别进行训练，得到多个训练好的识别模型；

测试模块(104)，用于使用测试集对训练好的多个识别模型进行测试，将每个识别模型得到的测试结果，进行融合模型的运算，得到最终的测试结果；

评价模块(105)，用于对对融合后的最终测试结果进行效果评价。