中文電子病歷實(shí)體關(guān)系抽取研究.pdf

1、隨著醫(yī)療健康服務(wù)不斷向信息化、智能化發(fā)展，電子病歷開始逐漸在醫(yī)療健康事業(yè)中發(fā)揮作用。電子病歷對個(gè)人的診療過程有比較詳細(xì)的記錄，包含大量的醫(yī)療知識，有效地挖掘并利用這些知識對于醫(yī)療健康事業(yè)的發(fā)展有重要作用，挖掘電子病歷中知識的主要途徑就是信息抽取相關(guān)的技術(shù)，其中關(guān)系抽取是電子病歷信息抽取中的重要部分。
　　本文研究主要研究中文電子病歷的關(guān)系抽取方法，在中文電子病歷中除了大量醫(yī)療相關(guān)的知識外，還包括與患者、醫(yī)生等相關(guān)的隱私信息，為了保

2、護(hù)這些隱私信息，需要在對電子病歷進(jìn)行關(guān)系抽取前對其完成去隱私，即找到電子病歷中的隱私信息并將其替換。制定了隱私信息標(biāo)注規(guī)范并標(biāo)注了100份電子病歷，使用條件隨機(jī)場（CRF）完成了隱私信息識別模型的構(gòu)建，識別的F值達(dá)到96.9％。
　　在關(guān)系抽取方面，本文使用了992份經(jīng)去隱私的已標(biāo)注中文電子病歷，首先實(shí)現(xiàn)了基于特征的關(guān)系抽取方法，通過抽取一些基本特征以及中文電子病歷中一些特有的特征，訓(xùn)練支持向量機(jī)（SVM）單分類器并分析了實(shí)驗(yàn)結(jié)果

3、。然后針對單分類器中關(guān)系大類的誤分類情況，將單分類器分解為多個(gè)分類器用于處理指定關(guān)系大類下的樣本，改進(jìn)后的方法關(guān)系識別的F值達(dá)到73.4%同時(shí)減少了訓(xùn)練及測試的時(shí)間消耗。
　　中文電子病歷的文本具有結(jié)構(gòu)相似的特點(diǎn)，從此角度出發(fā)使用基于樹核函數(shù)的方法對中文電子病歷進(jìn)行關(guān)系抽取的探索，將樣本表示為句法分析樹并由計(jì)算兩棵樹中相同子集樹的數(shù)量的方式得到樣本間相似度，利用這樣的子集樹核函數(shù)訓(xùn)練SVM多分類器，最終對關(guān)系識別的F值達(dá)到61.4