[发明专利]用于识别自然语言的医疗文本中的医疗实体的方法和装置

权利要求书

1.一种用于识别自然语言的医疗文本中的医疗实体的方法，包括：

将所述医疗文本分成多个词语；

对于所述多个词语中的每一个词语，执行以下操作：

确定所述词语的局部标注特征和全局标注特征，其中，所述局部标注特征包括所述词语，所述全局标注特征包括所述词语与已识别医疗实体的关系；

基于所述词语的所述局部标注特征和所述全局标注特征，从多个候选标签中确定所述词语的标签；

如果所述词语的标签指示识别医疗实体，则确定在所述词语的标签之前的指示对应词语能够成为医疗实体的一部分的各个标签的组合；

将所述标签的组合所对应的词语的组合识别为医疗实体。

2.根据权利要求1所述的方法，其中，所述局部标注特征还包括在所述词语前后的预定数量的词语。

3.根据权利要求2所述的方法，其中，所述局部标注特征还包括所述词语的词性以及在所述词语前后的预定数量的词语的词性。

4.根据权利要求3所述的方法，其中，所述局部标注特征包括：所述词语、所述词语的前三个词语、所述词语的后三个词语、所述词语的词性、所述词语的前三个词语的词性、所述词语的后三个词语的词性。

5.根据权利要求1所述的方法，其中，所述全局标注特征还包括在所述词语前后的预定数量的词语与已识别医疗实体的关系。

6.根据权利要求5所述的方法，其中，所述全局标注特征包括：所述词语是否包含在已识别的医疗实体中、所述词语的前一个词语是否包含在已识别的医疗实体中、所述词语的后一个词语是否包含在已识别的医疗实体中。

7.根据权利要求1所述的方法，其中，所述多个候选标签包括：指示所述词语是医疗实体的共享开始部分的第一标签、指示所述词语是医疗实体的非共享开始部分的第二标签、指示所述词语是医疗实体连续的一部分的第三标签、指示所述词语是非医疗实体并指示识别医疗实体的第四标签以及指示所述词语是非医疗实体并指示不识别医疗实体的第五标签。

8.根据权利要求1至7任意一项所述的方法，其中，基于所述词语的所述局部标注特征和所述全局标注特征，从多个候选标签中确定所述词语的标签包括：

基于所述词语的所述局部标注特征和所述全局标注特征，对于所述多个候选标签中的每一个计算该候选标签是所述词语的标签的概率；以及

将具有最大概率的候选标签确定为所述词语的标签。

9.根据权利要求8所述的方法，其中，所述概率使用最大熵模型计算。

10.根据权利要求7所述的方法，其中，确定在所述词语的标签之前的指示对应词语能够成为医疗实体的一部分的各个标签的组合包括：针对所述各个标签中的每一个标签：

如果所述标签是所述第一标签，则不组合所述标签与所述标签的前一标签；

如果所述标签是所述第三标签，则组合所述标签与所述标签的前一个第一标签或第二标签或第三标签；

如果所述标签是所述第二标签，则：

确定所述标签对应的词语的组合特征和所述标签的前一个第一标签或者第二标签对应的词语的组合特征，其中，所述组合特征包括对应词语所包含的字；

基于所述标签对应的词语的组合特征和所述标签的前一个第一标签或者第二标签对应的词语的组合特征，计算标签组合概率和标签不组合概率；

响应于所述标签组合概率大于标签不组合概率，组合所述第二标签与所述第二标签的前一个第一标签或者第二标签；以及

响应于所述标签组合概率不大于标签不组合概率，不组合所述第二标签与所述第二标签的前一个第一标签或者第二标签。

11.根据权利要求10所述的方法，其中，所述组合特征还包括在对应词语前后的预定数量的词语所包含的字。