基于機器學習的電子病歷詞庫訓練方法

基本信息

申請?zhí)?/td> CN201910443777.8 申請日 -
公開（公告）號 CN110189830A 公開（公告）日 2021-06-08
申請公布號 CN110189830A 申請公布日 2021-06-08
分類號 G16H50/70 分類 物理
發(fā)明人 黃澤明 申請（專利權(quán)）人 杭州火樹科技有限公司
代理機構(gòu) 杭州融方專利代理事務(wù)所（普通合伙） 代理人 沈相權(quán)
地址 310013 浙江省杭州市濱江區(qū)長河街道科技館街279號金龍大廈1205室
法律狀態(tài) -

摘要

摘要 本發(fā)明公開了基于機器學習的電子病歷詞庫訓練方法。屬于在電子病歷中挖掘醫(yī)療用語技術(shù)領(lǐng)域，該方法可靠性高，能從電子病歷詞庫中訓練出醫(yī)療用語通用詞庫。第一步，統(tǒng)計電子病歷語料庫中出現(xiàn)單字或雙字的頻率，并統(tǒng)計與該單字或該雙字前后連接字的相關(guān)信息f；第二步，對分詞詞庫中的單字和雙字使用互信熵，選擇大于閾值K1＝10.8的詞加入詞庫，作為初始詞庫；第三步，有了初始詞庫，使用正向最大匹配，對電子病歷語料庫進行切分，對切分出來的字串按頻率排序輸出并記下字串數(shù)量seg_num；第四步，對切分產(chǎn)生的字串按頻率排序；第五步，更新詞庫后，重復第三步和第四步進行迭代。