[发明专利]相似病例文本检索系统

权利要求书

1.一种相似病例文本检索系统，其特征在于，包括：通信连接的服务器和客户端；

所述服务器，存储有M条病例记录，其中，第i条病例记录包括记录ID、疾病ID和词向量集合W_i＝(W_i1，W_i2，......，W_in)，W_in为词向量集合W_i中的第n个词；

所述客户端包括处理器和显示界面，所述处理器用于执行计算机程序实现如下步骤：

S100，接收输入的文本信息并将文本信息生成词向量集合W＝(W₁，W₂，......，Wn)；所述输入的文本信息为需要检索的病例记录；

S200，确定W和W_i的相似度其中，z1为词向量W和词向量W_i的交集中的词的数量，z2为词向量W和词向量W_i的差集中的词的数量，α_j为词向量W和词向量W_i的交集中第j个词的权重，β_j为词向量W和词向量Wi的差集中第j个词的权重，θ_ij为词向量集合W_i中的词W_ij的权重；

S300，根据步骤S200获得的相似度Si，在所述显示界面上输出对应的检索结果；

S300进一步包括：

S310，如果Si大于D，则保留对应的第i条病例记录，作为显示的检索结果；否则，将第i条病例记录舍弃；D为预设的相似度阈值；

S320，根据S310，形成相似度大于D的检索结果集合，所述检索结果集合包括R条病例记录和R个疾病ID向量(DID₁，DID₂,......，DID_R)，R≤M；

S330，对R个疾病ID向量进行去重，形成去重后的升序排序的Q个疾病ID向量(CID₁，CID₂，......，CID_k，......，CID_Q)和对应的次数(N₁，N₂，......，N_Q)，其中，k的取值为1到Q，Q≤R，N₁≤N₂≤......≤N_Q；

S340，在所述客户端的显示界面上输出(CID₁，CID₂，......，CID_k，......，CID_Q)；

在S330中，还形成对应的相似度集合(S₁，S₂，......，S_k，......，S_Q)，其中，S_k为疾病ID向量CID_k对应的所有的词向量集合与词向量集合W的相似度的均值或者最大值，S_k为(S₁，S₂，......，S_k，......，S_Q)中的第k个相似度，CID_k为(CID₁，CID₂，......，CID_k，......，CID_Q)中的第k个疾病ID向量；

其中，如果疾病ID向量CID_k对应的所有词向量集合与词向量集合W的相似度满足则将作为疾病ID向量CID_k对应的相似度S_k；如果疾病ID向量CID_k对应的所有词向量集合与词向量集合W的相似度满足则将max(S_k1，S_k2，…，S_kx)作为疾病ID向量CID_k对应的相似度S_k；其中，X为疾病ID向量CID_k对应的词向量集合的数量，S_k1，S_k2，…，S_kx分别为疾病ID向量CID_k对应的X个词向量集合与词向量集合W的相似度，为疾病ID向量CID_k对应的所有词向量集合与词向量集合W的相似度的均值；A为预设阈值。