[发明专利]一种中文病理文本结构化处理方法有效
申请号: | 201510260060.1 | 申请日: | 2015-05-20 |
公开(公告)号: | CN104899260B | 公开(公告)日: | 2018-02-23 |
发明(设计)人: | 陈德华;冯洁莹;朱立峰;乐嘉锦;刘茜茜;薛瑞东 | 申请(专利权)人: | 东华大学;上海交通大学医学院附属瑞金医院 |
主分类号: | G06F17/30 | 分类号: | G06F17/30 |
代理公司: | 上海泰能知识产权代理事务所31233 | 代理人: | 宋缨,孙健 |
地址: | 201620 上海市*** | 国省代码: | 上海;31 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明涉及一种中文病理文本结构化处理方法,包括以下步骤从病理报告文本数据的样本与指标的层次结构中提取出各个样本所对应的模板信息;对模板信息进行提取,包括短句切分和指标名提取;短句分类;对每个样本结合分类结果集合CLUSTER和短句集CLAUSE,计算指标名列表中的每个指标名在短句语料中的TF值、IDF值和C‑value值,筛选出TF值、IDF值和C‑value值满足阈值的指标名,作为最终模板中的成分。本发明能够将非结构化的中文病理文本结构化。 | ||
搜索关键词: | 一种 中文 病理 文本 结构 处理 方法 | ||
【主权项】:
一种中文病理文本结构化处理方法,其特征在于,包括以下步骤:(1)从病理报告文本数据的样本与指标的层次结构中提取出各个样本所对应的模板信息;(2)对模板信息进行提取,包括短句切分和指标名提取;短句分类;其中,短句分类包括:先对短句集合CLAUSE进行初步分类,将样本名完全相同的短句归为一类,归类后的每个子类的指标名列表为其所包含的所有短句的指标名列表的去重合并,最后得到经过初步分类的子类集合CLAUSE_PC;将初步分类后的每个子类的样本名sn跟组织器官词典DIC中的词word两两计算相似度,并放到一个二维数组Array中,其中,Arrayij的值是编号为i的子类的样本名和编号为j的组织器官词典中的词的样本名相似度;优先处理样本名相似度完全相同的子类:将该子类中的所有短句都被归入组织器官词word下,将分类信息写入分类结果集合CLUSTER,并将该子类从子类集合中移除;处理样本名相似度值近似的子类:每个子类都能找到零个到多个组织器官词word满足要求,对那些能够找到至少一个满足要求的组织器官词word的子类,计算该子类的指标名列表和与其对应的每个组织器官word的指标名列表的指标名相似度,找到指标名相似度最大的组织器官词word’,将该子类c就归入相似度最大的组织器官词word’下,将分类信息写入分类结果集合CLUSTER,更新相似度最大的组织器官词word’在MATCHED集合中的指标值列表,同时将该子类c从子类集合中移除;对子类集合中余下的子类,直接采用初步分类的结果将短句分类,将分类信息写入分类结果集合CLUSTER,同时,将每个子类的样本名和指标值列表信息写入UNMATCHED集合中;输出分类结果集合CLUSTER,以及MATCHED集合和UNMATCHED集合;(3)对每个样本结合分类结果集合CLUSTER和短句集CLAUSE,计算指标名列表中的每个指标名在短句语料中的TF值、IDF值和C‑value值,筛选出TF值、IDF值和C‑value值满足阈值的指标名,作为最终模板中的成分。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于东华大学;上海交通大学医学院附属瑞金医院,未经东华大学;上海交通大学医学院附属瑞金医院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201510260060.1/,转载请声明来源钻瓜专利网。
- 上一篇:一种摄像机保护罩
- 下一篇:智能手机专用磁性复合体