[发明专利]一种在非结构化医疗文本中提取疾病及其病理指标的方法、系统及装置

摘要

本发明公开了一种在非结构化医疗文本中提取疾病及其病理指标的方法、系统及装置，涉及文本信息提取技术领域，主要包括文本获取、实体抽取、实体除杂及存储模块。文本获取模块，用于获取和清洗原始中文医疗文本。实体抽取模块，用于抽取医疗文本中的疾病实体、部位实体、异常状态实体及关系词，该模块采用基于一些初值实体，到清洗后的医疗文本中匹配的方式，抽取剩余一种或两种实体。实体除杂模块，用于各种实体及关系词的除杂。存储模块，将除杂后各种病理信息分别存储到相应文件中。本发明提出了将句式规则和实体相互迭代学习相结合的方法，来抽取文本中的病理信息，抽取的结构化病理信息对构建病理知识图谱和医生辅助诊断疾病具有重要意义。