[发明专利]医疗文书的HMM输入法模型的训练方法、输入法模型和输入方法

权利要求书

1.一种医疗文书的HMM输入法模型的训练方法，其特征在于，包括：

获取所有合法拼音串作为HMM模型的观察状态集合，并获取拼音串对应的所有汉字结果作为HMM模型的隐藏状态集合；

按照拼音的构成原则进行切分；

根据拼音补全模型将切分后的拼音串进行拼音补全：所述拼音补全模型由训练方法得到，该训练包括如下步骤：

S1.获取合法的完整单字拼音串；

S2.获取合法的完整单字拼音串对应的可能的待补全拼音串；

S3.获取待补全拼音串和完整拼音串的对应关系；

S4.获取训练数据对应的完整拼音内容，拼音内容按单字进行分隔；

S5.对训练数据进行统计学习，获取初始概率、发射概率和转移概率；

计算对应所有可能的补全结果出现的概率，以及一个拼音串的各补全结果，其出现在另一拼音串的各补全结果之后的概率信息，计算各个完整补全结果的得分，取分值最高的一项作为最终的补全结果；

对训练用医疗文书内容按照单字分词，并统计每个词出现的概率，作为HMM模型的初始状态概率；

将训练用医疗文书中的所有汉字都转换为对应的拼音，统计每个拼音对应的汉字以及各自出现的概率，作为HMM模型的观察状态发射概率；

统计训练用医疗文书中每个汉字后面出现的其他汉字的概率，作为HMM模型的隐藏状态转移概率。

2.一种HMM输入法模型，其特征在于，包括：

观察状态集合模块，是获取的所有合法拼音串，

HMM模型的隐藏状态集合模块，是获取拼音串对应的所有汉字结果，

按照拼音的构成原则进行切分；

根据拼音补全模型将切分后的拼音串进行拼音补全：所述拼音补全模型由训练方法得到，该训练包括如下步骤：

S1.获取合法的完整单字拼音串；

S2.获取合法的完整单字拼音串对应的可能的待补全拼音串；

S3.获取待补全拼音串和完整拼音串的对应关系；

S4.获取训练数据对应的完整拼音内容，拼音内容按单字进行分隔；

S5.对训练数据进行统计学习，获取初始概率、发射概率和转移概率；

计算对应所有可能的补全结果出现的概率，以及一个拼音串的各补全结果，其出现在另一拼音串的各补全结果之后的概率信息，计算各个完整补全结果的得分，取分值最高的一项作为最终的补全结果

初始状态概率分布模块，是对训练用医疗文书内容按照单字分词，并统计每个词出现的概率分布，

观察状态发射概率分布模块，是将训练用医疗文书中的所有汉字都转换为对应的拼音，统计每个拼音对应的汉字以及各自出现的概率分布；

隐藏状态转移概率分布模块，是统计训练用医疗文书中每个汉字后面出现的其他汉字的概率分布。

3.一种基于医疗文书内容的输入方法，其特征在于，包括如下步骤：

获取拼音串，对拼音串进行切分及补全；

切分补全后的拼音串作为HMM模型的观察状态序列，输入HMM输入法模型；

输出汉字串，其是由HMM输入法模型将观察状态序列转移为隐藏状态序列，搜索最有可能的对应隐藏状态序列，由拼音串转换为汉字，并返回概率最大的前几个汉字串；搜索最有可能的对应隐藏状态序列，由拼音转换为汉字的方法包括：从开始状态之后每进行一次状态转换，记录到达该状态转换时，对应该状态所有路径中的概率最大值，以所述最大值为基准继续前进直至结束，最后回溯整个路径，为要求的序列最短路径；所述对拼音串进行切分及补全，其方法包括：

按照拼音的构成原则进行切分；

根据拼音补全模型将切分后的拼音串进行拼音补全：所述拼音补全模型由训练方法得到，该训练包括如下步骤：

S1.获取合法的完整单字拼音串；

S2.获取合法的完整单字拼音串对应的可能的待补全拼音串；

S3.获取待补全拼音串和完整拼音串的对应关系；

S4.获取训练数据对应的完整拼音内容，拼音内容按单字进行分隔；

S5.对训练数据进行统计学习，获取初始概率、发射概率和转移概率；

计算对应所有可能的补全结果出现的概率，以及一个拼音串的各补全结果，其出现在另一拼音串的各补全结果之后的概率信息，计算各个完整补全结果的得分，取分值最高的一项作为最终的补全结果。

4.如权利要求3所述的基于医疗文书内容的输入方法，其特征在于：

S1的步骤是：按照拼音的构成规则，获取合法的完整单字拼音串；

S2的步骤是：将单字拼音串的所有前缀中，去掉合法拼音后剩余的部分，加上该单字拼音串本身，作为该单字拼音对应的可能的待补全拼音串；

S3的步骤是：对于所述待补全拼音串，获取待补全拼音串及其对应的可补全成为的完整拼音串的对应关系；

S4.获取训练数据对应的完整拼音内容，拼音内容按单字进行分隔；

S5.对训练数据进行统计学习，获取初始概率、发射概率和转移概率。