[发明专利]一种电子文档分类方法及装置

说明书

本发明适用于电子文档处理技术领域，提供了一种电子文档分类方法及装置，该方法包括：对待分类电子文档进行分词，以获取待提取特征；根据特征提取模型对所述待提取特征进行匹配，以获取所述待分类电子文档对应的特征向量；采用机器学习分类算法对所述特征向量进行处理，以对所述特征向量对应的待分类电子文档进行分类。本发明通过对待分类电子文档进行分词，并通过特征提取获得特征向量，采用机器学习分类算法对特征向量进行处理，从而实现对待分类电子文档进行分类，充分考虑了复杂电子文档的文档处理，有效提高了文档分类的精准程度，进而有利于提高后续电子病历结构化的精准程度。

技术领域

本发明属于电子文档处理技术领域，尤其涉及一种电子文档分类方法及装置。

背景技术

医疗数据中的很大比例是自然语言记录的CDA(Clinical DocumentArchitecture)文档，其中电子病历(Electronic Medical Record，简写为EMR)是非常重要的一种CDA文档。电子病历文档是指医务人员在医疗活动过程中，使用医疗信息系统生成的文字、符号、图表、图形、数据、影像等数字化信息，并且该活动记录可以实现传输和重现，并利用信息化手段进行存储和管理。随着电子病历文档的不断普及，大量的医疗数据以电子病历文档的形式被不断地积累下来。

在大数据时代的背景下，使用大数据的技术手段，对电子病历文档进行数据转化，生产为统一的数据形式，打破医院内或者医院之间数据差异的壁垒，可以挖掘更多有价值的医学信息。对电子病历文档进行分类是电子病历文档生产或者结构化的重要环节，对电子病历文档的精准分类有利于提高后续电子病历结构化的精准程度。

目前在进行文档分类时，常采用监督学习的方法来对分类模型进行训练，然而由于电子病历文档的特点十分复杂，单纯采用监督学习的分类结果可靠性不高，导致训练的分类模型的性能有限，电子病历文档分类的精准程度不高。

发明内容

有鉴于此，本发明实施例提供了一种电子文档分类方法、装置、终端设备以及计算机可读存储介质，以解决现有技术进行电子病历文档分类的准确程度不高的技术问题。

本发明实施例的第一方面提供了一种电子文档分类方法，包括：

对待分类电子文档进行分词，以获取待提取特征；

根据特征提取模型对所述待提取特征进行匹配，以获取所述待分类电子文档对应的特征向量；

采用机器学习分类算法对所述特征向量进行处理，以对所述特征向量对应的待分类电子文档进行分类。

本发明实施例的第二方面提供了一种电子文档分类装置，包括：

分词模块，用于对待分类电子文档进行分词，以获取待提取特征；

特征向量获取模块，用于根据特征提取模型对所述待提取特征进行匹配，以获取所述待分类电子文档对应的特征向量；

分类模块，用于采用机器学习分类算法对所述特征向量进行处理，以对所述特征向量对应的待分类电子文档进行分类。

本发明实施例的第三方面提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上所述方法的步骤。

本发明实施例的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上所述方法的步骤。

本发明实施例与现有技术相比存在的有益效果至少在于：本发明实施例通过对待分类电子文档进行分词，并通过特征提取获得特征向量，采用机器学习分类算法对特征向量进行处理，从而实现对待分类电子文档进行分类，充分考虑了复杂电子文档的文档处理，避免了单纯依靠监督学习的方式对电子文档进行分类，有效提高了文档分类的精准程度，进而有利于提高后续电子病历结构化的精准程度。