[发明专利]一种用于医疗文本的聚类方法、系统及装置

权利要求书

1.一种用于医疗文本的聚类方法，其特征在于，包括：

步骤S100：收集医疗网站问答部分的医疗标签和文本；

步骤S200：通过标签文本来更新分词词库，用更新后的词库对医疗文本进行分词并过滤停用词来构建训练语料；

步骤S300：利用所述训练模型对语料进行训练，得到训练后的词向量；

步骤S400：获取待聚类医疗文本，对文本进行分词和过滤停用词；

步骤S500：用所述聚类模型对待聚类医疗文本进行聚类得到聚类结果。

2.根据权利要求1所述的医疗文本的聚类方法，其特征在于，获取医疗专业网站内的问答页面的问题标签作为医疗领域专业词汇，作为自定义词汇在对句子进行分词时使用。

3.根据权利要求1所述的医疗文本的聚类方法，其特征在于，对所述训练语料进行分词和过滤停用词后输入word2vec模型进行训练，保存适用于医疗领域的词向量。

4.根据权利要求1所述的医疗文本的聚类方法，其特征在于，对待聚类的医疗文本进行预处理，需要对所有文本进行分词并过滤停用词，通过使用上述计算句子中词向量的平均特征矩阵来获取句向量。

5.根据权利要求1所述的医疗文本的聚类方法，其特征在于，使用DBSCAN聚类方法对带聚类文本进行聚类，通过计算文本的相似度和簇类半径来筛选同类文本。

6.一种用于医疗文本的聚类装置，包括获取器、处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1-5中任意一个所述方法的步骤。

7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-5中任一所述的一种基于非结构化电子病历的文本挖掘方法的步骤。

8.一种用于医疗文本的聚类系统，其特征在于：所述系统包括：

数据收集模块，用于获取医疗文本语料和医疗标签，将医疗标签用于分词时使用的自定义词库，将医疗文本语料用于训练医疗领域词向量；

训练词向量模块，用于获取医疗领域的词向量，将数据文本中句子分词后的词语转换为词向量；

聚类模块，用于对所述待聚类文本进行分类，根据通过设定文本相似度阈值和簇类半径来对待分类文本进行分类，将相似文本归为一类。