已閱讀1頁,還剩65頁未讀, 繼續(xù)免費閱讀
版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)
文檔簡介
1、隨著信息爆炸帶來的嚴重挑戰(zhàn),信息抽取作為快速獲取重要信息的自動化工具被應(yīng)用于多個領(lǐng)域。在生物醫(yī)學領(lǐng)域,隨著電子病歷和臨床決策支持系統(tǒng)的發(fā)展,如何從電子病歷中自動提取信息并服務(wù)于臨床決策,是當下醫(yī)療信息化亟需解決的問題之一。本文致力于研究如何將信息抽取相關(guān)技術(shù)應(yīng)用于文本病歷中,探索針對特定內(nèi)容的信息抽取方法,為完整病歷的信息抽取累積經(jīng)驗。隨著信息抽取技術(shù)在病歷中的成功應(yīng)用,病歷結(jié)構(gòu)化、案例庫和臨床數(shù)據(jù)倉庫構(gòu)建、知識獲取等多種問題將迎刃而解
2、,最終實現(xiàn)電子病歷與臨床決策的集成。
本文在借鑒現(xiàn)有成果的基礎(chǔ)上,提出了一套相對完整的信息抽取方法,實現(xiàn)了既往史中病癥相關(guān)信息的抽取。整個抽取過程分為命名實體識別、模板抽取和填充兩個階段。在命名實體識別階段,通過比較現(xiàn)有的實體識別方法和模型,采用了“詞典和規(guī)則相結(jié)合”以及“詞典和機器學習相結(jié)合”兩種方法對中文病歷中最常見的幾類實體進行智能識別以彌補單一識別方法所固有的缺陷,取得了比較理想的識別效果。在機器學習的方法中,本文
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
- 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 文本病歷信息抽取方法研究.pdf
- 基于領(lǐng)域本體的網(wǎng)絡(luò)信息抽取方法的研究與實現(xiàn).pdf
- 數(shù)值信息的抽取方法研究.pdf
- DeepWeb信息抽取系統(tǒng)的研究與實現(xiàn).pdf
- 基于XML的Web信息抽取研究與實現(xiàn).pdf
- 網(wǎng)頁信息抽取方法研究與應(yīng)用.pdf
- 面向信息抽取的ontology設(shè)計與實現(xiàn).pdf
- 基于信息抽取問答系統(tǒng)的研究與實現(xiàn).pdf
- Web信息自動抽取技術(shù)的研究與實現(xiàn).pdf
- Web信息智能抽取技術(shù)的研究與實現(xiàn).pdf
- 基于深度學習的Web信息抽取研究與實現(xiàn).pdf
- 基于混合遺傳退火算法的web信息抽取方法研究與實現(xiàn).pdf
- 電子病歷實體關(guān)系抽取研究.pdf
- 電子病歷中的概念抽取研究.pdf
- 基于本體的Web信息抽取的研究與實現(xiàn).pdf
- 基于DOM的Web信息抽取技術(shù)的研究與實現(xiàn).pdf
- 基于網(wǎng)格的Web信息抽取技術(shù)的研究與實現(xiàn).pdf
- 表格信息抽取引擎的設(shè)計與實現(xiàn).pdf
- 基于語義的Web信息抽取方法的研究與應(yīng)用.pdf
- 網(wǎng)頁信息的自動抽取方法研究.pdf
評論
0/150
提交評論