[发明专利]一种改进的应用于医技检查报告的智能纠错方法

权利要求书

1.一种改进的应用于医技检查报告的智能纠错方法，其特征在于，包括以下步骤：

步骤1、词库构建过程：

1.1、将自定义的医学词典库导入jieba的自定义词典库，采用jieba分词方法对训练样本进行分词，对分词后的语料，经过去重和重编码处理后，生成医技检查报告编码词库DIC1、单词搜索词库DIC2、词组搜索词库DIC3、拼音词库DIC4和词语关联词库DIC5；

步骤2、通过训练过程获得纠错模型：

2.1、对分词后的语料依据句子分隔符进行分句，经过乱序和词语替换，产生语序语料和词语搭配语料集，然后依据编码词库DIC1进行数字化编码；

2.2、将构建好的两个语料集分别送入到循环卷积神经网络中进行训练，获得纠错模型Model1和Model2；

步骤3、通过训练过程及得到的纠错模型对报告进行智能纠错过程：

3.1、得到待检测报告后，先对待检测的医技检查报告进行中文分词，以空格为分隔，先通过单词搜索词库DIC2进行搜索，筛选出拼写有问题的词语，并进行标记；

3.2、然后对分词后的句子按照逗号和结束符号进行分句，用Model1和Model2模型对每个分句都进行检测，判断分句的正误；如果分句被判断为错误，依据词组搜索词库DIC3对分句中的词组进行二次检查，并标注出错误的词语和搭配不当的词组，若分词中含有数字、英文字母或特殊符号，则不需要进行纠错；

3.3、对于错误的词语，根据拼音词库DIC4和词语关联词库DIC5给出一组可替代错误分词的建议词语；

3.4、当所有分句都分析完成后，智能纠错结束，

其中通过训练过程获得纠错模型的具体完成步骤如下：

A.首先对医技检查报告语料库进行处理，构建各种所需词库，包括医技检查报告编码词库DIC1、单词搜索词库DIC2、词组搜索词库DIC3、拼音词库DIC4和词语关联词库DIC5；

B.采用导入了医学词库的jieba分词方法对训练样本进行分词，并依据医技检查报告编码词库DIC1对训练样本进行数字化编码预处理，若样本分词不在医技检查报告词库DIC1中，则编码为“unk”词语对应的编码；

C.将构建好的训练集送入到RCNN中进行训练，获得纠错模型Model1和Model2；

而纠错的具体步骤如下：

a.获得待检测的医技检查报告；

b.经过训练得到纠错模型Model1和Model2后，采用中文分词方法jieba对待检测的医技检查报告进行中文分词，然后依据逗号或中文结束标点进行分句；

b.对分句中的中文单词通过单词搜索词库DIC2进行检查，跳过包含非中文的单词或标点，对不在词库中的中文单词进行标注，认为是错误的单词；

c.使用词组搜索词库DIC3，依次对有问题分句中相邻的中文单词词组进行检查，对不在词组词库中的词组进行标注，认为是错误的单词；

d.对于标注出的错误的单词，根据拼音词库DIC4和词语关联词库DIC5给出一组可替代错误分词的建议词；

e.当所有分词都分析完成后，智能报告纠错结束。