[发明专利]基于功能结构的中文电子病历命名实体识别方法及系统

权利要求书

1.一种基于功能结构的中文电子病历命名实体识别方法，其特征在于，包括以下步骤：

S1、获取电子病历数据，对电子病历数据进行结构化处理；

S2、依据功能结构，对结构化的数据进行内容抽取；

S3、对抽取的各功能结构内容进行人工标注，并分为训练集和测试集；

S4、利用各功能结构下的训练集训练BiLSTM-CRF模型；

S5、通过测试集验证各模型效果并对模型进行调优，最后利用模型对未标注文本进行命名实体识别。

2.根据权利要求1所述的基于功能结构的中文电子病历命名实体识别方法，其特征在于，电子病历数据为电子病历中的临床住院记录，包括入院情况、入院诊断、治疗经过、出院情况和出院诊断。

3.根据权利要求1所述的基于功能结构的中文电子病历命名实体识别方法，其特征在于，步骤S2包括：

S21、确定功能结构，包括入院情况、入院诊断、治疗经过、出院情况和出院诊断五个模块；

S22、根据模块对结构化的电子病历数据进行内容抽取。

4.根据权利要求1所述的基于功能结构的中文电子病历命名实体识别方法，其特征在于，步骤S3中，采用YEDDA标注工具进行人工标注，将实体类型信息和实体边界信息组合形成完整的标注体系，将识别任务转化为字粒度的标记。

5.根据权利要求4所述的基于功能结构的中文电子病历命名实体识别方法，其特征在于，实体类型包括：症状(SYMPTOM)、身体部位(BODY)、化验和检查(TESTEXAMINATION)、疾病(DISEASE)、体征(SIGN)、治疗(TREATMENT)、药物(DRUG)。

6.根据权利要求4所述的基于功能结构的中文电子病历命名实体识别方法，其特征在于，实体边界界定采用BIO标注模式，其定义如下：B表示实体首部字，I表示实体内部字，O表示非实体构成字。

7.根据权利要求1所述的基于功能结构的中文电子病历命名实体识别方法，其特征在于，步骤S4包括：

S41、加载字向量表，获得语料中每个字符的字向量表示，生成训练用的字向量矩阵；

S42、将字向量矩阵作为模型输入，通过BiLSTM层实现上下文信息特征提取，经tanh层输出字符对应各标签的置信度；

S43、利用CRF层在所有可能标记路径中解码出最优标记集。

8.根据权利要求1所述的基于功能结构的中文电子病历命名实体识别方法，其特征在于，

S51、将测试集对应的原始文本输入到模型进行预测，输出对应的标签预测结果；

S52、对比预测结果与测试集人工标注结果，计算正确率、召回率、F值三个指标；

S53、根据F值结果调优BiLSTM-CRF模型参数；

S54、将调优后的模型应用到未标注数据样本上实现命名实体的自动识别。

9.根据权利要求1-8中任一项所述的基于功能结构的中文电子病历命名实体识别方法，其特征在于，该方法还包括步骤：

S6、对电子病历各功能结构下文本字符及其标签进行实体合并和统计，构建出电子病历功能结构下的命名实体集。

10.一种基于功能结构的中文电子病历命名实体识别系统，其特征在于，包括：

数据获取模块，用于获取电子病历数据，对电子病历数据进行结构化处理；

内容抽取模块，用于依据功能结构，对结构化的数据进行内容抽取；

人工标注模块，用于对抽取的各功能结构内容进行人工标注，并分为训练集和测试集；

模型训练模块，用于利用各功能结构下的训练集训练BiLSTM-CRF模型；

实体识别模块，用于通过测试集验证各模型效果并对模型进行调优，最后利用模型对未标注文本进行命名实体识别。