基于條件隨機場的中醫(yī)病歷命名實體抽取方法研究.pdf

1、臨床診療實踐是中醫(yī)學理論研究和診療技術創(chuàng)新的源泉。隨著近10年醫(yī)療信息化建設的進展和臨床數(shù)據(jù)的不斷積累，作為診療實踐主要信息載體的中醫(yī)臨床病歷成為中醫(yī)學和信息學關注的重要研究資源。名老中醫(yī)文本病歷是中醫(yī)臨床診療的重要數(shù)據(jù)資源，它具有非結構化、口語化、專業(yè)化等特點，對其數(shù)據(jù)深度利用的重要前提是對相關醫(yī)學命名實體術語的抽取，而命名實體抽取方法正是從自由文本中抽取所需命名實體術語的基礎技術。但由于中文自然語言表達的靈活性和中醫(yī)臨床信息內容的個

2、體性特點，進行中醫(yī)臨床文本病歷的信息抽取研究是一個難點問題。因此，進行中醫(yī)文本病歷的命名實體抽取研究，探索形成相關的適宜信息抽取方法具有重要價值。
　　本文首先介紹信息抽取的研究現(xiàn)狀和相關算法，分析中醫(yī)臨床病歷的數(shù)據(jù)特點以及對中醫(yī)病歷進行命名實體抽取面臨的困難。在此基礎上，進行語料庫標注系統(tǒng)的設計和開發(fā)，該語料庫標注系統(tǒng)可通過Bubble-Bootstrapping算法、前向最大匹配算法和手工標注相結合的方式對病歷進行命名實體抽取

3、，并可對語料進行多粒度存儲和多格式導出。結合語料庫標注系統(tǒng)和專家審核的方式對病歷進行標注，本文共形成由413份標注文本病歷數(shù)據(jù)集，該數(shù)據(jù)集主要包含冠心病(233份)和糖尿病(180份)兩個子集。
　　其次，鑒于癥狀/體征、誘因和疾病名稱是中醫(yī)臨床病歷中的重要命名實體，本文通過對中醫(yī)臨床病歷中的主要構成內容:主訴和現(xiàn)病史的語句特點和語法模式分析，提煉形成了六種與命名實體抽取相關的特征。在此基礎上，構建出四類面向命名實體抽取的特征模板

4、?；谠撎卣髂０寮瘧脳l件隨機場(CRF)進行了中醫(yī)臨床病歷的命名實體抽取方法研究。通過十重交叉檢驗測試，實驗結果表明結合特征模板MT3，CRF命名實體抽取表現(xiàn)最好(F1)（糖尿病:癥狀0.80，疾病名稱0.74，誘因0.63;冠心病:癥狀0.77，疾病名稱0.64，誘因0.74)。同時比較了CRF與隱馬爾科夫模型(HMM)和最大熵馬爾科夫模型(MEMM)的命名實體抽取效果。實驗結果顯示，相較HMM和MEMM， CRF有最高的準確率和召