[发明专利]分词和词性识别方法、装置及电子病历的分析方法、装置

权利要求书

1.一种分词和词性识别方法，其特征在于，包括：

根据目标电子病历获取待识别短语语料；

利用预先设置的电子病历后结构化系统对所述待识别短语语料进行切分，得到目标词语；

利用预先设置的歧义词库结合双向最大匹配算法确定出所述目标词语中的歧义词，并利用条件随机场算法为各所述歧义词设置目标词性标注；

利用预先设置的医学词性词库结合双向最大匹配算法为所述目标词语中的非歧义词设置目标词性标注；

其中，所述歧义词库的设置过程包括：

通过bert预训练词向量模型计算各词语在训练短语语料中的词向量，并计算同一个词语在不同的所述训练短语语料中的相似度；

根据投票机制无监督筛选出相似度低于预设阈值的词语，并设置所述歧义词库。

2.根据权利要求1所述的方法，其特征在于，所述利用预先设置的电子病历后结构化系统对所述待识别短语语料进行切分，得到目标词语的过程，具体包括：

利用所述电子病历后结构化系统中的分词模型，依据双向最大匹配算法对所述待识别短语语料进行切分，得到候选词语；

利用Viterb动态规划算法依据所述候选词语和所述待识别短语语料进行解码，得到最大概率词语切分结果，确定出所述目标词语。

3.根据权利要求2所述的方法，其特征在于，在所述利用所述电子病历后结构化系统中的分词模型，依据双向最大匹配算法对所述待识别短语语料进行切分，得到候选词语之后，进一步包括：

在得出未登录词时，利用条件随机场算法和所述未登录词对所述待识别短语语料进行切分，得到所述目标词语。

4.根据权利要求1至3任一项所述的方法，其特征在于，所述医学词性词库的设置过程，具体包括：

预先在医学词典中为各医学词条设置对应的词性；

使用TIRE树将所述医学词典中的各所述医学词条和词性对应存储在数据库中，得到所述医学词性词库。

5.一种分词和词性识别装置，其特征在于，包括：

词库构建模块，用于通过bert预训练词向量模型计算各词语在训练短语语料中的词向量，并计算同一个词语在不同的所述训练短语语料中的相似度；根据投票机制无监督筛选出相似度低于预设阈值的词语，并设置歧义词库；

获取模块，用于根据目标电子病历获取待识别短语语料；

切分模块，用于利用预先设置的电子病历后结构化系统对所述待识别短语语料进行切分，得到目标词语；

第一识别模块，用于利用预先设置的所述歧义词库结合双向最大匹配算法确定出所述目标词语中的歧义词，并利用条件随机场算法为各所述歧义词设置目标词性标注；

第二识别模块，用于利用预先设置的医学词性词库结合双向最大匹配算法为所述目标词语中的非歧义词设置目标词性标注。

6.一种分词和词性识别装置，其特征在于，包括：

存储器，用于存储计算机程序；

处理器，用于执行所述计算机程序时实现如权利要求1至4任一项所述的分词和词性识别方法的步骤。