[发明专利]一种基于TFIDF的医学症状关键词提取优化及回收方法和系统

权利要求书

1.一种基于TFIDF的医学症状关键词提取优化及回收方法，包括使用计算机收集大规模病例并建立数据库，其特征在于，包括以下步骤：

步骤1：将所述大规模病例按照科室分类，提取主诉部分并进行分词；

步骤2：针对每一个科室计算各个词语优化后的TFIDF；

步骤3：按照词语回收法获得最终结果。

2.如权利要求1所述的基于TFIDF的医学症状关键词提取优化及回收方法，其特征在于：词频TF是指词语出现的频率，所述词频TF的计算公式为其中，n_i表示词语在某科室中出现的次数，N_i表示该科室的文档总数，α_w表示给予各词性的权重。

3.如权利要求2所述的基于TFIDF的医学症状关键词提取优化及回收方法，其特征在于：逆向文件频率IDF是指词语普遍性的度量，所述逆向文件频率IDF的计算公式为其中，n表示某词出现的文档数，N表示总文档数。

4.如权利要求3所述的基于TFIDF的医学症状关键词提取优化及回收方法，其特征在于：全局IDF的计算公式为其中，GIDF表示全局IDF,K表示参与计算的总科室数目，表示症状词语出现的概率。

5.如权利要求4所述的基于TFIDF的医学症状关键词提取优化及回收方法，其特征在于：最终得到带惩罚的全局IDF计算WPFG，WPFG的计算公式为WPFG＝TFIDF×GIDF^m，其中，TFIDF＝TF×IDF，m为任意自然数，表示GIDF的幂运算。

6.一种基于TFIDF的医学症状关键词提取优化及回收系统，包括使用计算机收集大规模病例并建立数据库的收集模块，其特征在于，包括以下模块：

分类模块：将所述大规模病例按照科室分类，提取主诉部分并进行分词；

优化模块：针对每一个科室计算各个词语优化后的TFIDF；

回收模块：按照词语回收法获得最终结果。

7.如权利要求6所述的基于TFIDF的医学症状关键词提取优化及回收系统，其特征在于：词频TF是指词语出现的频率，所述词频TF的计算公式为其中，n_i表示词语在某科室中出现的次数，N_i表示该科室的文档总数，α_w表示给予各词性的权重。

8.如权利要求7所述的基于TFIDF的医学症状关键词提取优化及回收系统，其特征在于：逆向文件频率IDF是指词语普遍性的度量，所述逆向文件频率IDF的计算公式为其中，n表示某词出现的文档数，N表示总文档数。

9.如权利要求8所述的基于TFIDF的医学症状关键词提取优化及回收系统，其特征在于：全局IDF的计算公式为其中，GIDF表示全局IDF,K表示参与计算的总科室数目，表示症状词语出现的概率。

10.如权利要求9所述的基于TFIDF的医学症状关键词提取优化及回收系统，其特征在于：最终得到带惩罚的全局IDF计算WPFG，WPFG的计算公式为WPFG＝TFIDF×GIDF^m，其中，TFIDF＝TF×IDF，m为任意自然数，表示GIDF的幂运算。