中文電子病歷命名實體識別研究.pdf

1、信息技術的迅猛發(fā)展帶動了醫(yī)院的信息化建設，國家政策的支持為電子病歷系統(tǒng)等醫(yī)學信息系統(tǒng)的建立打下了堅實的基礎，由此帶來了大量的醫(yī)療數據，其中電子病歷受到了廣泛的關注。
　　電子病歷是在醫(yī)療活動過程中產生的重要臨床信息資源，包含了大量與患者健康狀況密切相關的醫(yī)療知識，充分識別電子病歷中的這些知識將大大推動醫(yī)療事業(yè)的發(fā)展。鑒于目前中文電子病歷發(fā)展現狀，本文共開展了如下幾項研究：
　?。?）制定中文電子病歷命名實體標注規(guī)范并構建命名

2、實體標注語料。本文參考I2B22010給出的電子病歷命名實體類型及修飾類型的定義，在專業(yè)醫(yī)生的指導下制定了詳盡的中文電子病歷標注規(guī)范；通過對大量中文電子病歷的分析，提出了一套完整的中文電子病歷命名實體標注方案，且采用預標注和正式標注的方法，建立了規(guī)模為992份的中文電子病歷命名實體標注語料，標注語料的一致性達到了92％以上。
　?。?）開展基于有監(jiān)督學習的中文電子病歷命名實體識別研究。本文采用最大熵（ME）、條件隨機域（CRF）、

3、結構化支持向量機（SSVM）三種機器學習方法構建了命名實體識別系統(tǒng)，并在此基礎上引入了病歷特征、詞典特征以及詞聚類特征。鑒于中文醫(yī)學詞典與知識庫匱乏的現狀，本文構建了小規(guī)模的電子病歷詞典，用于輔助命名實體識別研究。同時，在3634份病歷的基礎上構建了詞向量，并對比了K-means和GAAC兩種聚類方法。引入三種擴展特征后，SSVM模型系統(tǒng)性能最好，F值達到了92.87%。
　　（3）開展基于組合分類器的中文電子病歷命名實體識別研究

4、。本文引入Bagging和Stacking兩種組合分類器算法，構建多種組合分類器來進一步提高實體識別效果。其中，以采用Stacking策略，CRF與SSVM結合的組合分類器效果最優(yōu)，系統(tǒng)性能最終達到92.97%。
　　綜上所述，本文制定了中文電子病歷命名實體標注規(guī)范并構建了相關語料，實現了基于三種有監(jiān)督學習方法的命名實體識別系統(tǒng)，并引入擴展特征與組合分類器算法對系統(tǒng)性能進行提升。與目前僅有的兩個團隊的研究成果相比，無論是在實體類型