[发明专利]标准化数据的生成方法、医学文本数据的处理方法和装置

权利要求书

1.一种标准化数据的生成方法，其特征在于，所述方法包括：

获取待数据标准化的目标文本数据；其中，所述目标文本数据包含多个指定字段下的数据内容，所述多个指定字段为：预设有标准化数据库的字段；

确定所述目标文本数据的多个分词；

针对每一分词，基于所述多个指定字段的标准化数据库中的标准词，确定与该分词相匹配的标准词，以及该分词所属的指定字段；其中，该分词所属的指定字段为：与该分词相匹配的标准词所属的指定字段；

基于与各个分词相匹配的标准词和各个分词所属的指定字段，生成所述目标文本数据的标准化数据；

其中，所述多个指定字段中包括：第一类字段；所述第一类字段的标准化数据库中的各个标准词之间能够按照从属关系进行等级划分；

在所述基于与各个分词相匹配的标准词和各个分词所属的指定字段，生成所述目标文本数据的标准化数据的步骤之前，所述方法还包括：

针对每个分词，判断该分词所属的指定字段是否为所述第一类字段；

若是，确定与该分词相匹配的标准词的所属等级，作为该分词的第一辅助内容，且在与该分词相匹配的标准词的所属等级为非最高等级时，确定与该分词相匹配的标准词对应的目标等级下的标准词，作为该分词的第二辅助内容；其中，所述目标等级高于该分词相匹配的标准词的所属等级；

所述基于与各个分词相匹配的标准词和各个分词所属的指定字段，生成所述目标文本数据的标准化数据的步骤，包括：

基于与各个分词相匹配的标准词和各个分词所属的指定字段，以及，所述第一辅助内容和所述第二辅助内容，生成所述目标文本数据的标准化数据。

2.根据权利要求1所述的方法，其特征在于，所述确定所述目标文本数据的多个分词的步骤，包括：

基于预定的分隔符，对所述目标文本数据进行分割，得到至少一个子文本；

对各个子文本进行分词处理，得到各个子文本的分词。

3.根据权利要求2所述的方法，其特征在于，在所述对各个子文本进行分词处理，得到各个子文本的分词的步骤之前，所述方法还包括：

按照预定的文本修正规则，对各个子文本进行修正处理，得到修正后的各个子文本；其中，修正后的每一子文本中包括所述多个指定字段下的数据内容，且所述多个指定字段中的特定字段下的数据内容的数量为一个；

所述对各个子文本进行分词处理，得到各个子文本的分词的步骤，包括：

对修正后的各个子文本进行分词处理，得到修正后的各个子文本的分词。

4.根据权利要求1或2所述的方法，其特征在于，所述基于所述多个指定字段的标准化数据库中的标准词，确定与该分词相匹配的标准词的步骤，包括：

将该分词与所述多个指定字段的标准化数据库中的标准词进行数据匹配，得到与该分词相匹配的标准词；或者，

将该分词同时与各个标准词以及各个标准词关联的各个近义词进行数据匹配；若与该分词相匹配的词为标准词，则将该标准词确定为与该分词相匹配的标准词；若与该分词相匹配的词为近义词，则将该近义词关联的标准词，确定为与该分词相匹配的标准词；其中，各个标准词为：所述多个指定字段的标准化数据库中的标准词。