[发明专利]中文医疗文本查重方法及装置、电子设备、计算机可读取存储介质

说明书

本发明实施例提供一种中文医疗文本查重方法及装置、电子设备、计算机可读取存储介质，用于数据处理领域，该方法包括：对获取到的第一中文医疗文本和第二中文医疗文本进行分词处理，获取至少一个第一词元和至少一个第二词元；基于所述至少一个第一词元，获取至少一个第一权重值；基于所述至少一个第二词元，获取至少一个第二权重值；基于训练词典、所述至少一个第一词元以及所述至少一个第一权重值，获取第一特征向量；基于所述训练词典、所述至少一个第二词元以及所述至少一个第二权重值，获取第二特征向量；基于第一特征向量和第二特征向量，获取用于表征第一中文医疗文本和第二中文医疗文本相似度的相似度度量值。本发明能实现电子病历查重。

技术领域

本发明涉及数据处理领域，具体而言，涉及一种中文医疗文本查重方法及装置、电子设备、计算机可读取存储介质。

背景技术

随着电子病历的广泛使用，在临床文档中越来越多使用了复制与粘贴功能(copy-and-paste function，CPF)。在住院病历记录中医务人员使用CPF 的情况越来越频繁。当复制信息在同一病历内或移动粘贴到多个病历时，具有促进沟通、提高效率的作用，更重要的是可以节省时间，有机会与病人更多地相处。但在具备这些好处的同时，也面临医疗记录的真实性潜在风险，例如复制和粘贴不准确或过时的信息，不必要的冗长的病程记录及传播虚假信息等。

发明内容

鉴于此，本发明实施例的目的在于提供一种中文医疗文本查重方法及装置、电子设备、计算机可读取存储介质以实现电子病历查重，继而解决上述问题。

第一方面，本发明实施例提供一种中文医疗文本查重方法，所述方法包括：对获取到的第一中文医疗文本进行分词处理，获取至少一个第一词元；对获取到的第二中文医疗文本进行分词处理，获取至少一个第二词元；基于所述至少一个第一词元，获取至少一个第一权重值；基于所述至少一个第二词元，获取至少一个第二权重值；基于训练词典、所述至少一个第一词元以及所述至少一个第一权重值，获取用于表征所述第一中文医疗文本的第一特征向量；基于所述训练词典、所述至少一个第二词元以及所述至少一个第二权重值，获取用于表征所述第二中文医疗文本的第二特征向量；基于所述第一特征向量和所述第二特征向量，获取用于表征所述第一中文医疗文本和所述第二中文医疗文本相似度的相似度度量值。

第二方面，本发明实施例提供一种中文医疗文本查重装置，所述装置包括：第一分词处理单元，用于对获取到的第一中文医疗文本进行分词处理，获取至少一个第一词元；第二分词处理单元，用于对获取到的第二中文医疗文本进行分词处理，获取至少一个第二词元；第一权重获取单元，用于基于所述至少一个第一词元，获取至少一个第一权重值；第二权重获取单元，用于基于所述至少一个第二词元，获取至少一个第二权重值；第一特征向量获取单元，用于基于训练词典、所述至少一个第一词元以及所述至少一个第一权重值，获取用于表征所述第一中文医疗文本的第一特征向量；第二特征向量获取单元，用于基于所述训练词典、所述至少一个第二词元以及所述至少一个第二权重值，获取用于表征所述第二中文医疗文本的第二特征向量；相似度度量值获取单元，用于基于所述第一特征向量和所述第二特征向量，获取用于表征所述第一中文医疗文本和所述第二中文医疗文本相似度的相似度度量值。

第三方面，本发明实施例提供一种电子设备，所述电子设备包括处理器和存储器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时，所述电子设备执行以下操作：对获取到的第一中文医疗文本进行分词处理，获取至少一个第一词元；对获取到的第二中文医疗文本进行分词处理，获取至少一个第二词元；基于所述至少一个第一词元，获取至少一个第一权重值；基于所述至少一个第二词元，获取至少一个第二权重值；基于训练词典、所述至少一个第一词元以及所述至少一个第一权重值，获取用于表征所述第一中文医疗文本的第一特征向量；基于所述训练词典、所述至少一个第二词元以及所述至少一个第二权重值，获取用于表征所述第二中文医疗文本的第二特征向量；基于所述第一特征向量和所述第二特征向量，获取用于表征所述第一中文医疗文本和所述第二中文医疗文本相似度的相似度度量值。