[发明专利]基于混合算法的医疗文献检索方法

说明书

本发明公开了一种基于混合算法的医疗文献检索方法，对查询词进行扩展，采用改进的BM25算法作为一次检索的基础算法，根据标准化得分降序排序得出检索文献；对一次检索得到的文献进行基于聚类的摘要提取，采用基于Biobert模型的摘要、标题与检索任务的相似度匹配方法计算摘要相似度得分与标题相似度得分；将一次检索得到的文献的得分标准化，使其与标题相似度得分与摘要相似度得分处于同一等级，将三种得分相加并降序排序输出最后的检索结果。本发明所述的基于混合算法的医疗文献检索方法，在检索的两大指标P@10、R‑Prec上均有提高；通过实验与现有算法对比，验证本发明所提出的算法的有效性，其综合性能优于现有算法。

技术领域

本发明涉及医疗数据信息检索领域，尤其涉及一种基于混合算法的医疗文献检索方法。

背景技术

精准医疗是将现代科学技术手段与传统医学方法相结合，科学地细化人体功能和疾病性质，系统优化人类疾病预防和保健的原则和做法，以有效、安全、经济的医疗服务实现个人和社会健康效益最大化的一种新的医学范式。在精准医疗中，为每个患者选择适当的诊断方法，以实现最小的医源性损害，最小的医疗成本和患者最佳的康复。随着医疗技术的进步，生物医学文章的数量呈指数级增长。在海量文章数据库中找到与患者症状相匹配的相关文章变得越来越困难。

因此，本发明提供一种基于混合算法的医疗文献检索方法。

发明内容

为解决现有技术中存在的不足，本发明的目的在于，提供一种基于混合算法的医疗文献检索方法。

为实现本发明的目的，本发明所采用的技术方案是：

一种基于混合算法的医疗文献检索方法，包括以下步骤：

(1)对查询词进行扩展，采用改进的BM25算法作为一次检索的基础算法，根据标准化得分降序排序得出检索文献；

(2)对一次检索得到的文献进行基于聚类的摘要提取，采用基于Biobert模型的摘要、标题与检索任务的相似度匹配方法计算摘要相似度得分与标题相似度得分；

(3)将一次检索得到的文献的得分标准化，使其与标题相似度得分与摘要相似度得分处于同一等级，将三种得分相加并降序排序输出最后的检索结果排序列表。

进一步地，步骤(1)中，将病人信息输入到医学数据库中获取查询扩展信息，将病人信息与查询扩展信息输入到改进的BM25算法之中得出摘要得分、词得分和共现得分，将三种得分进行标准化相加并按分值降序排序得出检索文献；病人信息包含疾病、基本信息、基因和其他。

进一步地，步骤(1)中，改进的BM25算法为：

(1.1)定义摘要得分：

其中，IDF为检索语素q_i的IDF分数，k1、b1为调整因子，fi为qi的频率在d中，qfi是qi在query中出现的频率，dl是文档d的文本长度，avgdl是所有文档的平均文本长度；

(1.2)提出一个词列表wordlist用于合并一个检索文档的chemical words,MeSHheadings,keywords，并对其得分定义如下：

其中，tfw为每个检索语素的IDF值之和，k1、b1为调整因子，dwl是文档d的wordlist的单词数量，avgdwl是所有文档的wordlist平均单词数量；

(1.3)定义共现得分，即检索语素中的疾病与基因，在摘要和wordlist中共同出现的话，记作共现得分：

其中，IDF_word(g_i,d)表示基因g_i为查询Q中的基因；