[发明专利]一种面向多数据源的症状体征类实体识别方法及装置

摘要

本发明提供了一种面向多数据源的症状体征类实体识别方法及装置，涉及医疗实体识别技术领域。方法包括：获取原始数据中的待处理语句；将待处理语句进行单字切分，确定每个文字；根据预先训练完成的CRF训练模型，确定待处理语句中的每个文字在待处理语句中的实体标记，并确定待处理语句的实体标记序列；根据待处理语句的实体标记序列，确定待处理语句的第一组候选实体；根据预先设置的症状体征类术语切分策略，对待处理语句进行术语切分，确定第二组候选实体；对各候选实体进行筛选，分别形成第一组症状体征类候选实体和第二组症状体征类候选实体；根据预先设置的判断策略确定症状体征类实体结果。

主权项

1.一种面向多数据源的症状体征类实体识别方法，其特征在于，包括：获取原始数据中的待处理语句；将所述待处理语句进行单字切分，确定待处理语句中的每个文字；根据预先训练完成的CRF训练模型，确定待处理语句中的每个文字在待处理语句中的实体标记，并确定待处理语句的实体标记序列；根据待处理语句的实体标记序列，确定待处理语句的第一组候选实体；根据预先设置的症状体征类术语切分策略，对所述待处理语句进行术语切分，确定第二组候选实体；根据第一组候选实体和第二组候选实体中各候选实体的末尾字符，对各候选实体进行筛选，分别形成第一组症状体征类候选实体和第二组症状体征类候选实体；若第一组症状体征类候选实体和第二组症状体征类候选实体不相同，根据预先设置的判断策略从第一组症状体征类候选实体和第二组症状体征类候选实体中确定症状体征类实体结果；所述根据预先设置的判断策略从第一组症状体征类候选实体和第二组症状体征类候选实体中确定症状体征类实体结果，包括：确定待处理语句在进行术语切分时，是否通过预先设置的切分规则进行切分；若待处理语句在进行术语切分时，通过预先设置的切分规则进行切分，则选择所述第二组症状体征类候选实体中的候选实体作为症状体征类实体结果；若待处理语句在进行术语切分时，未通过预先设置的切分规则进行切分，则选择所述第一组症状体征类候选实体中的候选实体作为症状体征类实体结果；或者，确定来源于相同待处理语句的原始字符串的第一组症状体征类候选实体和第二组症状体征类候选实体中，实体个数少，且实体包含的字符数多的一组实体作为症状体征类实体结果；所述症状体征类实体结果中的实体类型包括症状实体和体征实体；在所述第一组症状体征类候选实体和第二组症状体征类候选实体中相对应的实体的实体类型不一致时，选择第二组候选实体中的实体的实体类型作为所述相对应的实体的实体类型；根据预先设置的症状体征类术语切分策略，对所述待处理语句进行术语切分，确定第二组候选实体，包括：将待处理语句中的标点符号转换为半角，并将英文字母统一为大写英文字母；调用预先设置的非医学术语表，检查待处理语句中的原始字符串是否存在非医学术语表中的术语，并将待处理语句中存在的非医学术语表中的术语删除，形成预处理后的待处理语句；将预处理后的待处理语句采用逆向最大匹配原则与预先设置的症状体征数据库进行匹配，将预处理后的待处理语句中与症状体征数据库中的标准术语名称或同义词相匹配的字符串作为初步实体抽出，并将所述标准术语名称或同义词所对应的术语类型作为所述初步实体的实体类型；将预处理后的待处理语句的原始字符串与预先设置的句型数据库进行匹配；若所述预处理后的待处理语句的原始字符串与预先设置的句型数据库中的句型格式匹配，则将所述预处理后的待处理语句的原始字符串采用逆向最大匹配原则与预先设置的疾病本体数据库进行匹配，将与疾病本体数据库中的标准术语名称或同义词相匹配的字符串作为初步实体抽出，并将所述标准术语名称或同义词所对应的术语类型作为所述初步实体的实体类型；将预处理后的待处理语句中的各初步实体作为第二组候选实体。