CN108027823A - 信息处理装置、信息处理方法以及计算机程序 - Google Patents

信息处理装置、信息处理方法以及计算机程序 Download PDF

Info

Publication number
CN108027823A
CN108027823A CN201680041106.3A CN201680041106A CN108027823A CN 108027823 A CN108027823 A CN 108027823A CN 201680041106 A CN201680041106 A CN 201680041106A CN 108027823 A CN108027823 A CN 108027823A
Authority
CN
China
Prior art keywords
keyword
classification information
information sequence
sequence
pattern
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201680041106.3A
Other languages
English (en)
Other versions
CN108027823B (zh
Inventor
鸟居健太郎
杉浦千加志
满田修
满田修一
相田聪
池崎太郎
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Teijin Ltd
Original Assignee
Teijin Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Teijin Ltd filed Critical Teijin Ltd
Publication of CN108027823A publication Critical patent/CN108027823A/zh
Application granted granted Critical
Publication of CN108027823B publication Critical patent/CN108027823B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Abstract

支援由用户实施的信息的输入。作为本发明的实施方式，信息处理装置具备关键词生成部、分类信息生成部、模式抽出部以及判断部。所述关键词生成部通过对基于自然语言的文本数据进行语态素分析来生成包括多个关键词的关键词序列。所述分类信息生成部根据将关键词与分类信息对应起来的数据库，获取与在所述关键词序列中包含的所述多个关键词中的各个关键词对应的分类信息来生成分类信息序列。所述模式抽出部根据所述分类信息序列与多个分类信息序列模式中的各个分类信息序列模式的相关性，从所述多个分类信息序列模式中选择所述分类信息序列模式。所述判断部通过比较选择出的分类信息序列模式和所述分类信息序列，生成与所述分类信息序列模式和所述分类信息序列的差分对应的提示信息。

Description

信息处理装置、信息处理方法以及计算机程序
技术领域
本发明的实施方式涉及信息处理装置、信息处理方法以及计算机程序。
背景技术
在在家医疗/护理等现场，医疗/护理岗位的工作人员对患者、被护理者的状态进行观察、诊断。通过该工作人员记下护理记录来管理患者、被护理者的状态。在护理记录中，需要无遗漏地记入护理、体温、血压、用餐量、有无排泄这样的规格项目。
为了防止规格项目的记入遗漏，考虑设置输入表单来进行有无输入、输入内容的检查。由此，能够不遗漏必要的项目而提醒适当的内容的输入。此时，如果能够尽可能短时间地进行输入就比较方便。虽然还有使用移动设备等进行键盘输入或者软件键盘输入的方法，但输入花费工夫。
另一方面，在仅通过规格项目不足以掌握需要护理的人的状态的情况下，还能够通过自然语言的文本输入来进行护理记录。但是，知识、经验少的护理岗位在输入时有时会未记入必要的事项或者用标准用语以外的用语进行输入。在该情况下，存在此后他人阅读记录却无法适当掌握需要护理的人的状态的问题。
另外，不论在规格项目的输入以及自然语言的文本的输入的哪种情况下，在护理的过程中都经常无法确保记录的时间，都是经常此后一边回想一边进行记入。在此后一边回想一边进行记入的情况下，还有时忘记应记录的事项。
现有技术文献
专利文献1：日本特开2012-226449号公报
专利文献2：日本特开2013-88906号公报
专利文献3：日本特开2014-182777号公报
专利文献4：日本特开2012-73739号公报
发明内容
本发明的实施方式的目的在于支援由用户实施的信息的输入。
作为本发明的实施方式，信息处理装置具备关键词生成部、分类信息生成部、模式抽出部以及判断部。所述关键词生成部通过对基于自然语言的文本数据进行语态素分析来生成包括多个关键词的关键词序列。所述分类信息生成部根据将关键词与分类信息对应起来的数据库，获取与在所述关键词序列中包含的所述多个关键词中的各个关键词对应的分类信息来生成分类信息序列。所述模式抽出部根据所述分类信息序列与多个分类信息序列模式中的各个分类信息序列模式的相关性，从所述多个分类信息序列模式中选择所述分类信息序列模式。所述判断部通过比较选择出的分类信息序列模式和所述分类信息序列，生成与所述分类信息序列模式和所述分类信息序列的差分对应的提示信息。
附图说明
图1是示出具备本发明的实施方式的信息处理装置的输入支援装置的图。
图2是图1的信息处理装置中的分析部的功能框图。
图3是示出标准用语数据库的例子的图。
图4是示出分类信息数据库的例子的图。
图5是示出分类信息序列模式数据库的例子的图。
图6是示出护理记录输入画面的例子的图。
图7是示出护理记录输入画面的其它显示例的图。
图8是示出护理记录输入画面的其它方式的图。
图9是示出第一实施方式的信息处理装置的动作例的流程图的图。
图10是第二实施方式的分析部的功能框图。
图11是示出看护记录画面的例子的图。
图12是示出项目内容数据库和模板数据库的例子的图。
图13是示出看护记录画面的例子的图。
图14是第二实施方式的分析部的其它例子的功能框图。
图15是示出将数值与该数值的平假名表述对应起来的读法数据库的例子的图。
图16是将第三实施方式的信息处理装置搭载到服务器的系统结构的图。
(符号说明)
101：输入支援装置；201：声音识别系统；301：通信网络；11：录音部(声音采集部)；12、412：发送部；13、413：接收部；14、414：通信接口(IF)；21、421：信息处理装置；31：输入部；41：显示部；22、422：输入处理部；23、423：文本数据保持部；24、424：分析部；25、425：存储部；26、426：输出处理部；51：语态素分析部；52：标准用语检测部；53：分类信息序列生成部；54：模式抽出部；57：模板应用部；58：修正部；61：标准用语DB；62：分类信息DB；63：分类信息序列DB；71：项目内容数据库；72：模板数据库；72：读法数据库。
具体实施方式
以下，参照附图说明本发明的实施方式。
(第一实施方式)
图1示出本发明的实施方式的输入支援装置。输入支援装置101经由网络301与声音识别系统201连接。
输入支援装置101具备录音部(声音采集部)11、发送部12、接收部13、通信接口(IF)14、信息处理装置21、输入部31以及显示部41。信息处理装置21具备输入处理部22、文本数据保持部23、分析部24、存储部25以及输出处理部26。
输入支援装置101是智能手机、便携终端、平板、PC(Personal Computer，个人计算机)等用户终端。输入支援装置101具备的各处理部的功能能够利用计算机装置通常具备的CPU、存储器、辅助存储装置、通信装置、输入输出接口来实现。作为一个例子，图1的各处理部的动作通过在CPU等处理器上工作的操作系统(OS)和在OS上工作的应用来实现。特别是有时将本实施方式的应用称为管理应用。
输入支援装置101配置有麦克风。医疗/护理岗位的工作人员等用户向麦克风说出与患者、被护理者(记录对象)有关的内容。麦克风对说出的内容的声音(说话声音)进行声音采集并变换为电信号，变换后的电信号在包括AD变换电路(未图示)的处理电路中被变换为预定的形式的声音数字数据并被输入到录音部11。此外，麦克风既可以组装于输入支援装置101的内部，也可以经由外部接口从外部连接于输入支援装置101。
录音部11获取由麦克风声音采集到的声音的声音数字数据，将该声音数字数据输出到发送部12。另外，录音部11通过对该声音数字数据添加文件头等来制作预先确定的形式的声音文件。声音文件的形式可以任意。作为一个例子，有WAVE(RIFF waveform AudioFormat，RIFF波形音频表单)表单、或者PCM(Pulse Code Modulation，脉码调制)表单、mp3表单等。录音部11将制作出的声音文件储存到存储部16。存储部16例如也可以由在OS中搭载的文件系统来管理。存储部16能够用硬盘、SSD、存储器等任意的存储介质构成。存储器既可以是SRAM、DRAM等非易失性存储器，也可以是NAND、MRAM等非易失性存储器。还能够通过在存储部16中存储声音文件，以后读出声音文件而进行再生或者声音识别。
发送部12根据预定的通信协议经由通信接口14与通信网络301上的声音识别系统201通信。发送部12处理的通信协议可以是任意的通信协议，例如有TCP(或者UDP)/IP。或者，还能够利用基于TCP(或者UDP)/IP的协议例如http。
发送部12根据从录音部11接受的声音数字数据生成声音识别委托，该声音识别委托用于向声音识别系统201请求对该声音数字数据进行声音识别。也可以对声音数字数据添加在上述声音识别用的协议中需要的头部等。依照声音识别系统201处理的声音识别用的协议生成声音识别委托。发送部12将生成的声音识别委托经由通信接口14以及通信网络301发送到声音识别系统201。
通信接口14是用于连接到通信网络301的接口，既可以是无线接口，也可以是有线接口。在无线接口的情况下，例如包括无线用的通信电路(集成电路等)以及天线。在有线接口的情况下，包括有线用的通信电路以及通信电缆用的连接端口等。通信网络301既可以是无线网络，也可以是有线网络，还可以是组合它们双方而得到的网络。作为一个例子，通信网络301也可以是包括因特网的网络。
声音识别系统201经由通信网络301接收从输入支援装置101发送的声音识别委托。声音识别系统201从声音识别委托中抽出声音数字数据，对该声音数字数据进行声音识别处理而变换为文本数据。文本数据是指基于自然语言的任意的字符串(文本)的数据。声音识别系统201将包括通过变换获取到的文本数据的声音识别响应经由通信网络301发送到输入支援装置101。此外，也可以将声音识别系统201设置在输入支援装置101内而并非设置在通信网络301上。
接收部13与发送部12同样地根据预定的通信协议经由通信接口14与通信网络301上的声音识别系统201通信。接收部13经由通信网络301以及通信接口14接收从声音识别系统201发送的声音识别响应。接收部13从接收到的声音识别响应取出文本数据，送到信息处理装置21的输入处理部22。
输入处理部22将从接收部13送来的文本数据送到文本数据保持部23。文本数据保持部23将由输入处理部22送来的文本数据存储到内部。文本数据保持部23既可以是存储器，也可以是SSD、硬盘等装置。在存储器的情况下，既可以是SRAM、DRAM等易失性存储器，也可以是NAND、MRAM等非易失性的存储器。文本数据保持部23也可以是存储部16的一部分或者存储部25的一部分。
输入部31是用于用户输入各种指示或者数据的输入接口。输入部31例如既可以是键盘、触摸面板、鼠标等，也可以是利用上述麦克风的声音输入部。输入处理部22也可以根据由输入部31输入的数据来更新在文本数据保持部23中保持的文本数据。例如，也可以将文本数据的一部分变换为其它字符/数值等、或者删除、或者追加新的字符/数值等。
分析部24读出在文本数据保持部23中保持的文本数据，进行文本数据的分析处理。此外，在本实施方式中记载了对通过声音识别获得的文本数据进行分析处理的情况，但也可以将用户从键盘等输入的文本数据作为分析处理的对象。
分析部24具备关键词序列生成部56、标准用语检测部52、分类信息序列生成部53、模式抽出部54以及判断部55。关键词序列生成部56具备语态素分析部51和标准用语检测部52。
分析部24与存储部25连接，在存储部25中存储有在分析部24的处理中使用的各种数据库(DB)。例如，在存储部25中存储有后述的标准用语数据库61、分类信息数据库62以及分类信息序列模式数据库63。
分析部24中的语态素分析部51对文本数据进行语态素分析。语态素分析是指，将语句分割为具有含义的最小单位的字符串即语态素，将分割出的字符串按词类(代词、助词、一般名词、提示助词、固有名词、动词、形容词等)进行分类。通过语态素分析，能够从文本数据得到由多个关键词构成的关键词序列(输入关键词序列)。关键词是通过语态素分析分割出的各字符串。助词、助动词、连接词等符号(标点符号等)的字符串也可以处理为关键词。例如，如果将“意欲的に食事をされ、全量摂取されました。(积极地用餐，摄取了全部分量。)”分割为语态素，则是“意欲(积极)(名词，一般)”、“的(地)(名词，后缀)”、“に(助词，副词化)”、“食事(用餐)(名词，サ变连接)”、“を(助词，格助词)”、“さ(动词，独立)”、“れ(动词，后缀)”、“、(符号，逗号)”、“全量(全部分量)(名词，一般)”、“摂取(摄取)(名词，サ变连接)”、“さ(动词，独立)”、“れ(动词，后缀)”、“まし(助动词)”、“た(助动词)”、“。(符号，句号)”。
标准用语数据库(标准用语DB)54将作为标准的关键词(标准关键词)和与其相同含义但与其不同表现的关键词(非标准关键词)对应起来保持。例如，在与“KT”(KorperTemperature，Korper温度)相同的含义中，护理者有时说出“体温”或者“BT”(BodyTemperature，体温)等。将这样表示相同含义的多个用语中的1个用语登记为标准关键词，将除此以外的用语登记为非标准关键词。图3示出标准用语数据库54的一个例子。在该例子的情况下，将“体温”登记为标准关键词，将“KT”、“BT”登记为非标准关键词。另外，将“早餐”登记为标准关键词，将“早饭”、“早餐”、“早点”登记为非标准关键词。标准关键词的选择是任意的，例如也可以将“KT”作为标准关键词，将“体温”、“BT”作为非标准关键词。或者，也可以将“BT”作为标准关键词，将“体温”、“KT”作为非标准关键词。另外，也可以登记有与患者/被护理者(记录对象)的姓名等有关的标准关键词以及非标准关键词。在图3的例子中，“东芝太郎”被登记为标准关键词，“东芝君”、“とうしば先生”被登记为非标准关键词。关于与患者/被护理者(记录对象)的姓名等有关的标准关键词以及非标准关键词，也可以由其它数据库来管理。
标准用语检测部52与语态素分析部51以及存储部25连接。标准用语检测部52使从语态素分析部51得到的输入关键词序列中的各关键词与标准关键词统一。具体而言，标准用语检测部52关于输入关键词序列中的各关键词，根据存储部25内的标准用语数据库54检测未与标准关键词一致的关键词并将检测到的关键词替换为标准关键词。例如，在输入关键词序列中包括“BT”的情况下，替换为“体温”。还有时将统一为标准关键词之后的关键词序列称为标准关键词序列。此外，也可以从输入关键词序列中删除与助词、助动词、连接词等有关的关键词。在该情况下，也可以由语态素分析部51进行删除的处理。或者，在与助词、助动词、连接词等有关的关键词也登记于标准用语数据库54的情况下，也可以将与助词、助动词、连接词等有关的关键词设为进行向标准关键词的替换的对象。
分类信息数据库(分类信息DB)55针对每个标准关键词保持有大分类以及小分类等分类。图4示出分类数据库55的例子。例如，标准关键词“早餐”的大分类是“生活支援”，小分类是“用餐”。另外，标准关键词“体温”的大分类是“测量”，小分类是“生命体征”。分类的个数不限定于2个，也可以是1个或者3个以上。
分类信息序列生成部53与标准用语检测部52以及存储部25连接。分类信息序列生成部53关于通过标准用语检测部52得到的关键词序列(标准关键词序列)的各关键词，检索分类信息数据库62的关键词序列。如果存在相符的关键词，则从大分类序列以及小分类序列中取出相符关键词的分类信息(在此是大分类和小分类)。当在分类信息DB55中不存在与助词、助动词、连接词等有关的关键词的情况下，也可以将这样的词类从检索对象中去掉。关于与数词、量有关的用语，也可以不检索分类信息数据库62，而将分类信息确定为“数值”或者“数量”等预定的分类信息。即使是数词等以外的词类，也可以存在不检索分类信息数据库62而确定为特定的分类信息的词类。这样，针对通过标准用语检测部52得到的关键词序列的各关键词，获取分类信息并配置为对应的关键词顺序，从而能够得到分类信息序列。
例如，如果关键词序列包括3个关键词并且第1个关键词是“早餐”，则大分类以及小分类是“生活支援”以及“用餐”，所以分别得到“生活支援”和“用餐”作为分类信息。此外，也可以将大分类和小分类集中视为1个分类信息。例如，也可以将“生活支援、用餐”处理为1个分类信息。如果第2个是关键词“100”且是数词，则得到“数值”作为分类信息。如果第3个关键词是“拒绝”，则大分类以及小分类是“状态”以及“想法”，所以分别得到“状态”、“想法”作为分类信息。因此，作为分类信息序列，得到“生活支援”、“用餐”、“数值”、“状态”、“想法”。此外，在该例子中，与助词、助动词、连接词等有关的关键词从关键词序列事先被去掉或从检索对象中去掉、或者不被登记到分类信息数据库。
模式数据库(模式DB)63保持有多个分类信息序列模式。分类信息序列模式是组合多个分类信息而成的，还可以包括与分类信息间的顺序有关的信息。图5示出模式数据库63的一个例子。分类信息序列模式“A，B，C”包括A、B以及C作为分类信息。A、B、C是对分类信息进行抽象化而表示的，实际上设为记入上述“生活支援”、“状态”、“生命体征”、“数值”等具体的值。或者，也可以将大分类和小分类集中视为1个分类信息，A表示“生活支援、用餐”这样的结合的分类信息。分类信息序列模式“A，B，C”不包含与分类信息A、B、C之间的顺序有关的制约。分类信息序列模式“D→E，F”包括D、E以及F作为分类信息，并且包括E必须在D之后出现这样的D和E之间的顺序的制约。在此，D、E、F是对分类信息进行抽象化而表示的，实际上设为记入上述“生活支援”、“状态”、“生命体征”、“数值”等具体的值。
虽然在图2中单独地设置标准用语数据库61和分类信息数据库62，但也可以将它们集中到1个共同的数据库。在该情况下，标准用语检测部52以及分类信息序列生成部53访问该共同的数据库即可。
模式抽出部54与分类信息序列生成部53以及存储部25连接。模式抽出部54关于通过分类信息序列生成部53得到的分类信息序列，根据与在分类信息序列模式数据库63中保持的各分类信息序列模式的相关性，从分类信息序列模式数据库63中选择相关性高的分类信息序列模式。例如，计算分类信息序列与各分类信息序列模式的类似度，根据计算出的类似度从分类信息序列模式数据库63中选择分类信息序列模式。在类似度的计算中，能够使用对2个集合的类似度进行定量化的Jaccard系数、进行矢量的类似度定量化的余弦类似度等。或者，能够使用对字符串的类似度(不同程度、或者重叠程度等)进行定量化的方法。例如，能够将最小编辑距离或者Levenshtein距离用作2个字符串的类似度。依赖于类似度的定义，可能有值越小而类似度越高的情况或者值越大而类似度越高的情况。
示出利用计算集合之间的类似度的Jaccard系数来评价分类信息序列与分类信息序列模式的类似度的例子。例如，在分类信息序列是X＝“A，B，C”，分类信息序列模式是Y＝“A，B，D”的情况下，通过下式计算Jaccard系数。
在此，
“X∩Y”
表示集合X和Y的交集，
“X∪Y”
表示集合X和Y的并集，
|S|
表示集合S的要素的个数。
在上例的情况下，
“X∩Y”
＝{A、B}，
“X∪Y”
＝{A、B、C、D}，
所以X和Y的Jaccard系数为2/4＝0.5。
其它分类信息序列模式Z＝“A，D，E”的情况下，
X∩Z
＝{A}，
X∪Z
＝{A，B，C，D，E}，
所以X和Z的Jaccard系数为1/5＝0.2。在该例子的情况下，Y与X的类似度比Z与X的类似度高。
另外，在分类信息序列模式中存在如D→E那样关于构成要素的顺序的制约的情况下，在计算分类信息序列和该分类信息序列模式的Jaccard系数之前，检查分类信息序列的构成要素的顺序(上述语态素分析结果中的出现顺序)是否满足关于该分类信息序列模式的构成要素的顺序的制约，在不满足制约的情况下，只要不计算与该分类信息序列模式的Jaccard系数而跳过、或者在关于该分类信息序列模式而保持表示违反制约的标志的基础上计算Jaccard系数即可。
另一方面，在利用计算字符串之间的类似度的方法评价分类信息序列与分类信息序列模式的类似度的情况下，只要将分类信息序列和分类信息序列模式都视为将各自包含的多个分类信息按照该顺序结合而得到的字符串来计算两个字符串之间的类似度即可。此时，例如在分类信息序列模式“A，B，C”的情况下，也可以计算ABC、ACB、BAC、BCA、CAB、CBA这六个字符串与表示分类信息序列的字符串的类似度，将最高的类似度设为两者的类似度。在分类信息序列模式“D→E，F”的情况下，由于EF的顺序被固定，所以也可以计算DEF和FDE这两个字符串与分类信息序列的字符串的类似度，将最高的类似度用作两者的类似度。
如以上所述，只要在所有分类信息序列模式中选择与分类信息序列满足预定条件的分类信息序列模式即可。作为预定条件，例如有选择具有最高的类似度的分类信息序列模式、选择表示类似度的值是阈值以下(或者阈值以上)的分类信息序列模式、选择表示类似度的值是一定范围内的分类信息序列模式等。或者，也可以将未违反与模式的构成要素的顺序有关的制约添加到预定条件。模式抽出部54将选择出的分类信息序列模式和输入文本的分类信息序列(通过分类信息序列生成部53得到的分类信息序列)送到判断部55。
判断部55比较由模式抽出部54选择出的分类信息序列模式和输入文本的分类信息序列，生成与两者的差分对应的提示信息。例如，生成在分类信息序列模式的要素中确定出未包含于输入文本的分类信息序列的缺失要素的提示信息。或者，也可以生成通知表示在输入文本中缺失与该缺失要素有关的关键词的意思的消息作为提示信息。输出处理部26接受由判断部27生成的提示信息，将显示该提示信息的信号输出到显示部41。
例如，作为分类信息序列和分类信息序列模式的比较的结果，判断部55判断为“数值”包含于分类信息序列模式但未包含于输入文本的分类信息序列并且其它要素全部共同地包含于两者。在该情况下，判断部55也可以确定在分类信息序列模式中包含的“数值”，生成“与‘数值’有关的关键词缺失”等消息。另外，在“生命体征”包含于分类信息序列模式而未包含于输入文本的分类信息序列的情况下，也可以生成“与‘生命体征’有关的关键词缺失”等消息。
在存在虽然不包含于分类信息序列模式但包含于输入文本的分类信息序列的要素的情况下，也可以生成表示该要素不存在于分类信息序列模式的消息。例如，在“状态”和“意思”不存在于分类信息序列模式而存在于输入文本的分类信息序列的情况下，也可以生成“‘状态’和‘意思’的分类信息不存在于分类信息序列模式”等消息。或者，也可以从输入文本中确定成为“状态”和“意思”的分类信息的源的关键词，生成与确定的关键词有关的分类信息不存在于分类信息序列模式的消息。例如，在上述成为“状态”和“意思”的分类信息的源的关键词是“积极”的情况下，也可以生成“与关键词‘积极’有关的分类信息不存在于分类信息序列模式”等消息。通过对用户提示这样的消息，能够期望复查分类信息序列模式数据库来进一步提高精度。
以上，在由工作人员输入护理记录时对工作人员提示分类信息序列中的缺失，但也可以在由工作人员输入护理记录时不提示，而仅提示给管理岗位等固定的工作人员。例如，关于与在一定期间内护理工作人员输入的护理记录有关的分类信息序列求出有无缺失，并以一览的方式将有缺失的护理记录和其分类信息序列提示给管理岗位，由此能够对输入该护理记录的工作人员单独地指导护理记录的记载内容、或者在面向新工作人员的教育中提示在护理记录中容易缺失的要素。另外，针对分类信息序列内的要素以及缺失要素的每一个，合计针对每个工作人员在护理记录中具有缺失要素的分类信息序列，从而对工作人员提示并指导在什么样的记录中容易缺失什么样的要素。另外，通过针对工作人员的每个属性(岗位种类、经验年数、分配年数)进行上述分析，能够有助于与工作人员的属性对应的护理记录的指导。
标准用语检测部52也可以计算在输入文本中哪个关键词是非标准用语。通过将其除以输入文本的关键词的总数，能够计算输入文本的标准关键词使用率。例如，只要针对每个工作人员计算护理记录中的标准关键词使用率的平均值即可。
在关于某个输入文本的分类信息序列不存在Jaccard系数为1的分类信息序列模式且也并非任意的分类信息序列模式的一部分的情况下，该分类信息序列与分类信息序列模式数据库内的任意的分类信息序列模式都不一致，所以能够认为具有新的分类信息序列模式。也可以将这样的分类信息序列作为分类信息序列模式，在护理记录输入时对用户询问是否登记到分类信息序列模式数据库。或者，该过程也可以在由工作人员输入护理记录时不提示，而仅提示给管理岗位等固定的工作人员。例如，从关于在一定期间内工作人员输入的护理记录的分类信息序列中抽出成为新的分类信息序列模式的候选的分类信息序列，与其出现频度一起提示给管理岗位，管理岗位从该分类信息序列中选择要作为分类信息序列模式的分类信息序列并登记到分类信息序列模式数据库即可。
显示部41是液晶显示面板、有机EL、电子墨水显示装置等显示图像或者数据等的任意装置。显示部41在画面中显示作为在分析部24中处理的对象的文本数据。另外，显示部41根据从输出处理部26送来的信号在画面中显示提示信息(消息等)。用户能够通过确认在画面中显示的消息和文本来确认文本中是否缺失必要的项目。例如，也可以如果显示的消息是“与‘数值’有关的关键词缺失”，则确认显示的文本中是否缺失必要的数值，如果缺失，则使用输入部31输入必要的数值。例如，也可以如果显示的文本是“体温正常”，则判断为缺失体温的测量值的项目，将文本更新(修正)为“体温是36度而正常”等。也可以从输入部31指示针对更新后的文本再次进行基于分析部24的处理，与上述同样地反复进行分析部24等的处理。
也可以用户在确认在显示的文本或者更新后的文本的内容中没有问题时输入该文本的保存指示，信息处理装置21根据保存指示将该文本数据保存到存储部25或者其它存储装置。也可以利用应用管理保存的文本数据，根据来自输入部31的阅览指示读出文本数据而在显示部41中显示。应用也可以将积蓄的文本数据作为说话消息管理，针对成为说话的对象的患者、被护理者(记录对象)的每一个，按时间序列管理说话消息。既可以由用户通过输入部31输入来确定患者、被护理者，也可以在患者、被护理者的信息(姓名等)包含于文本数据的情况下与患者、被护理者的列表对照，如果存在相符的信息(姓名等)，则从此抽出而确定患者、被护理者。
以下，示出本实施方式的具体例。以使用用户讲话并通过声音识别得到的文本数据在护理记录输入画面的表单的各项目中自动地输入值的情况为例子进行说明。图6示出护理记录输入画面的表单的例子。此外，在图6中，虽然在各项目中已经输入了值，但设为在处理之前在各项目中未输入值，也未进行各种按钮的选择。
设为用户讲话并通过声音识别得到的文本数据是“已确认东芝君排尿。没有特别地异常，量也是正常的”。此外，设为用户的讲话内容与该文本数据的内容一致，在声音识别中没有错误。设为对文本数据进行语态素分析来获取输入关键词序列，进而进行标准用语检测而得到标准关键词序列“东芝太郎”“排尿”“确认”“异常”“没有”“量”“正常”。去掉了助词等词类的关键词。设为在标准用语数据库中登记有“东芝太郎”作为标准关键词，登记有“东芝君”等作为非标准关键词(参照图3)。
在存储部25中存储有患者/被护理者列表(记录对象列表)，在该列表中储存有患者/被护理者的个人信息(姓名等)。标准关键词序列的“东芝太郎”与该列表的“姓名”的项目匹配，所以在护理记录输入画面的“记录对象”项目91中自动地设定“东芝太郎”。即，从标准关键词序列中确定与输入画面的项目91关联的关键词(与姓名有关的关键词)，将与该关键词对应的信息(在此是“东芝太郎”)设定为项目91的值。
另外，在存储部25中存储有诊断/观察项目列表，在该列表中储存有各种诊断/观察项目(测量用的项目)。例如，可能有“排尿”、“体温”、“血压”、“用餐摄取”、“排便”等项目。由于标准关键词序列的“排尿”与该列表匹配，所以在护理记录输入画面的“护理记录内容”项目92中设定“排尿”。由分析部24进行该处理。即，从标准关键词序列中确定与输入画面的项目92关联的关键词(与测量用的项目有关的关键词)，将与该关键词对应的信息(在此是“排尿”)设定为项目91的值。另外，在标准关键词序列的位于“排尿”之后一定字符以内的关键词“确认”与护理记录输入画面的“有”按钮93对应起来，“有”按钮93被强调(“有”意味着有排尿)。即，护理记录输入画面的“有”按钮由护理记录输入画面的管理应用事先与“确认”的关键词对应起来，标准关键词序列内的关键词“确认”依照该事先的对应而与“有”按钮93对应起来。此外，也可以将“确认”以外的用语与“有”按钮93进一步对应起来。此外，如果“异常”按钮例如与“异常”和“有”关键词对应起来，并且这些关键词假设存在于“排尿”之后一定字符以内且“异常”和“有”之间的字符间隔是一定值以内，则“异常”按钮能够被选择并强调。同样地，确定在标准关键词序列的位于“排尿”之后的关键词“量”之后存在于一定字符以内的“正常”，将该关键词与护理记录输入画面的“正常”按钮94对应起来，“正常”按钮94被强调。即，护理记录输入画面的“大量”按钮、“正常”按钮、“少量”按钮由护理记录输入画面的管理应用事先与“多”、“正常”、“少”等关键词对应起来。此外，在此叙述的项目的设定和按钮的选择也能够通过进行后述第二实施方式的基于模板的处理来实现。另外，当然也可以使用在此叙述以外的方法。
另外，由分类信息序列生成部53根据标准关键词序列搜索分类信息数据库62。匹配的关键词例如是“排尿”、“异常”、“没有”、“量”、“正常”，确定与根据这些关键词得到的分类信息序列在分类信息序列模式数据库中类似度最高的分类信息序列模式。在此，设为在分类信息序列与确定的分类信息序列模式之间所有要素是共同的。因此，也可以判断为没有特别不足的项目，不进行项目不足等消息的显示。在护理记录输入画面的下侧的表单95中储存有通过声音识别而得到的文本数据。通过选择登记按钮97，将护理记录输入画面内的各项目以及表单内的数据作为护理记录数据存储到存储部25或者其它存储装置。护理记录数据也可以通过管理应用针对每个记录对象(患者、被护理者)添加日期时间等信息，按时间序列管理。
在此，假设在用户讲话的内容中没有与排尿的量有关的话语，标准关键词序列设为是“东芝太郎”“排尿”“确认”“异常”“没有”。在该标准关键词序列中，不存在“量”和“正常”这点与上述例子不同。在该情况下，如图7所示，在护理记录输入画面中，“正常”按钮94不被选择(不被强调显示)。在图7的下侧的表单95中显示有关于本次的讲话通过声音识别而得到的文本数据。本次判断为在根据标准关键词序列而得到的分类信息序列与最类似于该分类信息序列的分类信息序列模式之间，例如与量有关的要素(分类信息)不存在于分类信息序列。因此，也可以在护理记录输入画面内显示“不存在与排尿的量有关的关键词！”等消息96。或者，也可以以弹出等其它方式显示该消息。看到该消息96的用户确认护理记录输入画面，判断为忘记说出排尿量。因此，用户也可以使用输入部31手动地选择“正常”按钮94。或者，用户也可以使用输入部31修正表单95内的文本数据。例如，如果排尿量正常，则考虑校正为与图6的表单同样的语句。校正后的文本数据在文本数据保持部23内经由输入处理部22而被更新。在确认更新后的内容中没有问题时，只要选择登记按钮97，将更新后的各项目以及表单内的数据存储为护理记录数据即可。
图8示出护理记录输入画面的其它方式的例子。在上述例子中，每当用户讲话时进行声音识别以及分析处理并使如图6或者图7的护理记录输入画面显示，但在本例子中，针对用户的每次讲话，生成护理记录数据，赋予日期时间等信息，依次存储到存储部26或者其它存储装置。并不针对用户的每次讲话而显示护理记录输入画面。在用户通过输入部31经由管理应用进行护理记录数据的一览的显示请求时，如图8所示的护理记录数据的一览显示于显示部41。在该一览中，包括尚未经由用户确认(承诺)的护理记录数据的条目。在各条目中，在一行中简略地显示图6或者图7所示的护理记录输入画面的各项目的值。如果确认无不足地输入有相符条目的各项目，则使用输入部31在该条目的选择框中打勾。通过选择登记按钮98，打勾的护理记录数据的内容被确定而从一览中删除。如果判断为项目的输入存在不足，则通过使用输入部31选择相符的条目，转移到如图6或者图7的护理记录输入画面。在该画面中，如上所述能够进行项目的值的输入、或者表单内的文本数据的修正等。在该转移目的地的画面中也还可以如图7所示那样显示消息。在图8的一览中未进行表单内的文本数据以及消息的记载，但也可以显示它们的至少一方。
在此，说明在有声音识别错误的情况下的分析部24的处理。示出在有声音识别错误的情况下推测正确的用语(关键词)的方式。
作为声音识别错误的具体例，在说出“已确认东芝君排尿。”的情况下，在声音识别中有时误识别为“已确认投资baa君排尿。”。在该情况下，由于无论记录对象列表的哪个名字都未包含于通过声音识别而得到的文本，所以推测为忘记说出患者/被护理者的姓氏、名字或者姓名等、或者虽然讲话但有声音识别错误。因此，在这样的情况下，也可以通过平假名(或者片假名)的表述来计算字符串之间的类似度，将类似度最高的部分选择为候选，记入到护理记录输入画面(参照图6)的记录对象的项目。在类似度低的情况下、例如在表示类似度的值是阈值以下(或者阈值以上)的情况下，也可以视为用户忘记说出姓名。
例如，识别错误的上述字符串在用平假名表述时成为“とうしばあさんのはいにょう…”。在登记于记录对象列表的姓氏是“とうしば”、“ひがし”、“とうし”等的情况下，在关于各姓氏计算出与上述字符串的类似度时，由于“とうしば”最接近，所以能够将“东芝(とうしば)”君推测为妥当的记录对象。此外，设为在记录对象列表中储存有各记录对象的姓氏、名字、姓氏的假名读法、名字的假名读法等。在相同姓氏的记录对象存在2名以上时，也可以提示相符者的姓名的列表，让用户选择。在此，示出了记录对象的姓名的推测例，但关于表示护理内容的项目的用语(排尿、排便、用餐摄取等)也是同样的。此外，在第二实施方式中，还将详细地说明声音识别错误的情况的处理以及上述平假名的字符串之间的类似度的计算。
图9是示出第一实施方式的信息处理装置的动作例的流程图。
(步骤S101)输入处理部22从接收部13受理基于自然语言的文本数据的输入。文本数据保持于文本数据保持部23。分析部24的语态素分析部51从文本数据保持部23读出文本数据，对文本数据进行语态素分析，从而生成包括多个关键词的关键词序列(输入关键词序列)。
(步骤S102)标准用语检测部52根据标准用语数据库61使关键词序列内的各关键词统一为标准关键词，即检索各关键词是否与非标准关键词相符，在相符的情况下替换为标准关键词。分类信息生成部53根据将标准关键词和分类信息对应起来的分类信息数据库62，获取与在标准关键词序列中包含的各关键词对应的分类信息来生成分类信息序列。
(步骤S103)模式抽出部54根据分类信息序列与分类信息序列模式数据库63内的多个分类信息序列模式中的各个分类信息序列模式的相关性，选择分类信息序列模式。例如，计算分类信息序列与多个分类信息序列模式中的各个分类信息序列模式的类似度，根据类似度选择分类信息序列模式。具体而言，选择类似度最高的分类信息序列模式等满足预定条件的分类信息序列模式。
(步骤S104)判断部55通过比较选择出的分类信息序列模式和分类信息序列，生成与分类信息序列模式和分类信息序列的差分对应的提示信息。例如，作为提示信息，生成表示确定包含于分类信息序列模式且不包含于分类信息序列的分类信息的信息。或者，生成表示与该分类信息有关的关键词未包含于关键词序列的消息。
(步骤S105)输出处理部26控制为将该提示信息输出到显示部41。显示部41将该提示信息显示于管理应用提供的画面等。
以上，根据本实施方式，在根据用户的输入而得到的文本中缺失必要的项目的信息、或者信息的内容错误的情况下，能够将其探测而提醒用户输入。
(第二实施方式)
第二实施方式相比于第一实施方式，主要是分析部的动作不同。以下，以分析部的动作为中心说明第二实施方式。图10是本实施方式的分析部的框图。分析部74具备语态素分析部51、标准用语检测部52以及模板应用部57。在存储部25中存储有标准用语数据库61、项目内容数据库71以及模板数据库72。语态素分析部51、标准用语检测部52以及标准用语数据库61与第一实施方式相同。
在本实施方式中，示出如下方式：在使用通过声音识别而得到的文本数据在生命体征等测量用的项目中自动地输入数值的情况下，即使在声音识别中有错误的情况下，也能够以少的工夫修正该数值。此外，文本数据除了通过声音识别而得到以外，也可以由用户从键盘等输入装置输入而得到。
图11的(A)是说明本实施方式的概要的图。图11的(A)示出看护记录画面。通过声音识别而得到的文本储存于表单101，设为是“体温36度4，血压100到130，脉搏是70，血氧浓度是99.5％。表情也安稳而看起来健康。”。在表单111的下侧，作为与生命体征有关的项目，设定有体温、血压、脉搏、Sp02。Sp02是血氧浓度。在各项目的右侧起初未记入数值。通过依照本实施方式处理文本数据，自动地输入与各项目对应的数值。图11的(A)的例子是在没有声音识别错误的情况下的例子，在各项目中被输入正确的数值。如图11的(B)所示，也可以从表单111内的文本抽出生命体征等项目以及数值，对其部位进行强调显示。此外，文本数据经由语态素分析等成为关键词序列，表单内的文本与关键词序列的各关键词的对应是可掌握的。此外，虽然未图示，看护记录画面与记录对象关联起来。
为了从文本数据或者关键词序列抽出每个项目的数值等信息，模板应用部57使用图12的(A)所示的项目内容数据库72以及图12的(B)所示的模板数据库73。这些项目内容数据库72以及模板数据库73储存于存储部25。
在图12的(A)的项目内容数据库中定义有各项目的内容和表现形式等。例如，在第1个条目(ID_01)中，项目内容是“体温”，单位是“℃”，表现形式为[数值A].[数值B]。这意味着在看护记录画面中显示“体温：[数值A].[数值B]℃”。[数值A]以及[数值B]表示记入任意数字的变量，从文本数据抽出这些数值。表现形式不限定于1个，也可以如第2个条目(ID_02)那样定义多个表现形式。根据抽出的数值确定应用哪种表现形式，在该例子中，如果抽出[数值A]和[数值B]，则应用表现形式1，如果仅抽出[数值A]，则应用表现形式2。
图12的模板数据库72储存有用于从文本数据或者关键词序列抽出图12的(A)的每个项目的变量的模板。模板内的“”表示字符串。[*N]表示任意的N个以下的字符(也可以并非定义为N个以下，而定义为N个等其它含义)。[数值]表示连续的数字字符串，添加在[数值]的括弧内的右侧的记号(A以及B)仅仅是用于识别多个[数值]的记号。
第1个条目(ID_01)与图12的(A)的第1个条目对应(项目ID共同)，储存有用于从文本数据或者关键词序列抽出[数值A].[数值B]的模板。该模板为“‘体温’[*2][数值A]‘度’[数值B]‘分’”。在抽出数据1的序列中定义了从文本数据或者关键词序列中确定与该模板相符的部位，从确定的部位抽出[数值A]和[数值B]，以“[数值A].[数值B]”的形式获取抽出的[数值A]和[数值B]。图11的(A)或者图11的(B)所示的文本或者对应的关键词序列部分内的“体温36度4”与该模板相符。在该例子中，因为“体温”与数值之间的字符数是零个，所以满足表示2个以下的字符数的[*2]。因此，[数值A]对应于36，[数值B]对应于4，依照[数值A].[数值B]的形式抽出36.4。然后，依照在项目内容数据库71的表现形式1的序列中定义的表现形式显示36.4。
另外，在第3个条目(ID_02)中，定义了与血压有关的模板“‘血压’[*3][数值A][*4][数值B]”。表示在抽出数据1的序列和抽出数据2的序列中分别定义[数值A]以及[数值B]并单独地输出抽出的数值A以及数值B(即不用“.”结合)。与上述同样地，如果在文本数据或者关键词序列内存在与模板相符的部位，则从该部位同样地抽出数值，依照在项目内容数据库的表现形式1的序列中定义的表现形式显示抽出的数值。
这样，模板规定了针对“体温”或者“血压”等预定用语而抽出处于N字符以内等特定位置的值。
图13的(A)是在发生声音识别错误的情况下的看护记录画面的例子。在该例子中，“血压100到”的讲话被声音识别为“血压是苦的”，“99.5”的讲话被声音识别为“吸收9.5”。因此，根据上述项目内容数据库以及模板数据库处理的结果，血压应被记载为“100～130”却被记载为“130”，并且Sp02应显示为“99.5”却被记载为“9.5”。用户观察该结果，通过从输入部31输入指示来修正出错的项目的值。在修正之后，通过选择修正按钮112，确定修正内容，将看护记录画面内的内容的数据作为看护记录数据保存到存储部25等。此时，在修正项目的数值时，也可以还修正表单11内的文本数据。或者，也可以如图13的(B)所示，首先修正表单11内的文本数据，针对修正后的文本数据选择重新执行按钮113，从而再次进行模板的应用处理。由此，也能够在项目中设定正确的值。在图13的(B)中示出了在修正文本数据之后选择重新执行按钮113从而再次进行模板的应用处理而使图13中出错的值返回到正确的值的例子。
在图13的(A)以及图13的(B)所示的例子中，用户至少进行了项目或者文本或者它们的修正，但还能够采用自动修正声音识别错误的方式。图14示出该情况的框图。在分析部84内的模板应用部57的后级追加有修正部54。另外，在存储部25中存储有读法数据库73。
在图13的(A)的表单111内所示的声音识别错误的文本中，接在“血氧浓度”之后的字符串是“是吸收9.5％”，在修正部58从该部位抽出数字时是“9.5”。接在血氧浓度之后的数值被预先确定了妥当的范围(例如80～100)，由于9.5不属于该范围，所以判断为显然是声音识别错误的可能性高。具体而言，例如根据在关键词序列中处于9.5的关键词的紧前面(预定的位置关系)的表示测量项目的名称的关键词(血氧浓度)，判断为9.5的关键词原本被期望表示的值的范围是80～100。
因此，如在第一实施方式中也说明的那样，使用平假名的字符串之间的类似度进行数值的修正。此外，也可以并非平假名，而是片假名或者拉丁字母等其它表述。SpO2的妥当的范围(即被期望为SpO2的测量值的范围)是80～100，将该范围以一定间隔划分。然后，将一定间隔的各位置的数值与用平假名表示其读法的字符串对应起来，储存到读法数据库73。在范围是80～100且间隔是0.1的情况下，得到201个字符串。图15示出读法数据库73的例子。将80.0至100.0的间隔是0.1的数字(关键词)与用平假名表述表示各数字(关键词)的读法的字符串对应起来而设定。1个数值的读法也可以并非设定1个，而是设定多个。
确定判断为上述声音识别错误的部位。例如，将从“血氧浓度”后至判断为上述错误的数值的字符串确定为判断为声音识别错误的部位。具体而言，在关键词序列中，确定包括从“血氧浓度”的接下来的关键词至判断为声音识别错误的9.5的关键词(一个或者多个连续的关键词)的字符串。将确定的部位变换为平假名的读音表述，计算与读法数据库73内的各平假名字符串的类似度。在图15的读法数据库73的右列储存有本次计算出的类似度。此外，也可以不存在储存该类似度的序列。在对1个数值设定有多个读法的情况下，只要采用类似度最高的读法即可。本次，最高的类似度是类似度97，此时的字符串是“きゅうじゅうきゅうてんご(99.5)”。因此，修正部58根据确定的99.5修正图13的(A)的Sp02的项目的值9.5。此外，在图15的例子中，虽然值越大而类似度越高，但根据计算方法，还有值越小而类似度越高的情况。
如在第一实施方式的表述末尾所记载的那样，也可以将第二实施方式中的吸收(修正)声音识别错误的处理应用于第一实施方式。另外，还能够将吸收该声音识别错误的处理应用于对关键词序列中的各关键词进行标准化(统一为标准关键词)的情况。例如，在关键词序列中的关键词并非标准关键词并且在标准用语数据库61中也未登记为非标准关键词的情况下，将该关键词变换为平假名表述。在能够从标准用语检测部52访问的存储部中准备将标准关键词与平假名的读法对应起来的数据库，计算该数据库的各平假名表述与该关键词的类似度。将与类似度最高且为阈值以上的读法对应的标准关键词用作该关键词的标准关键词。由此，在标准用语化时也能够吸收声音识别错误，能够适当地推进此后的处理(例如在第一实施方式中获取适当的分类信息序列，提高分类信息序列模式的抽出精度)。
第二实施方式还能够与第一实施方式组合。在该情况下，只要分析部以及存储部分别具备在第一实施方式以及第二实施方式这双方中必要的功能即可。
以上，根据本实施方式，即使在通过声音输入生命体征等的数值并且由于声音识别错误导致该数值被识别为不同的值或者字符的情况下，也能够以少的工夫或者自动地将其修正。
(第三实施方式)
在第一实施方式以及第二实施方式中，信息处理装置安装于用户终端(输入支援装置)，但也可以将信息处理装置的功能配置于通信网络上的服务器。图16示出将本实施方式的信息处理装置搭载于通信网络上的服务器的系统结构。
输入支援装置501具备处理部27以代替第一实施方式的分析部。处理部27从接收部13接受通过声音识别系统201的声音识别而得到的文本数据，将该文本数据的分析处理委托发送到服务器401。
服务器401具备通信接口414、接收部413、发送部412、信息处理装置421。信息处理装置421具备输入处理部422、文本数据保持部423、分析部424、存储部425、输出处理部426。它们的各功能具有与第一实施方式以及第二实施方式中的输入支援装置内的同一名称的要素同样的功能。其中，输出处理部426将分析部424的分析结果经由发送部412发送到输入支援装置501。
输入支援装置101的处理部27经由接收部13接收从服务器401送来的分析结果并显示于显示部41。在从用户经由输入部31输入了各种指示或者数据的情况下，经由发送部12发送到服务器401。
服务器401将从输入支援装置501接收到的指示或者数据经由接收部413送到信息处理部421。
这样，通过将第一实施方式以及第二实施方式的信息处理装置的基本功能配置于服务器401侧，能够减少输入支援装置501的负载以及存储容量。此外，服务器401还能够分别处理来自多个输入支援装置的请求。既可以使声音识别系统201与服务器401一体化，也能够将声音识别系统201设置于输入支援装置501内。
此外，各实施方式的信息处理装置或者输入支援装置例如也能够通过将通用的计算机装置用作基本硬件来实现。即，信息处理装置以及输入支援装置具备的要素能够通过使在上述计算机装置中搭载的处理器执行程序而实现。此时，信息处理装置以及管理服务器既可以通过将上述程序预先安装到计算机装置来实现，也可以通过存储到CD-ROM等存储介质或者经由网络分发上述程序而将该程序适当安装到计算机装置来实现。另外，信息处理装置以及输入支援装置具备的存储部能够适当利用内置或者外装于上述计算机装置的存储器、硬盘、SSD或者CD-R、CD-RW、DVD-RAM、DVD-R等存储介质等来实现。
另外，“处理器”也可以包含通用目的处理器、中央处理装置(CPU)、微处理器、数字信号处理器(DSP)、控制器、微控制器、状态机等。根据状况，“处理器”也可以指面向特定用途的集成电路、现场可编程门阵(FPGA)、可编程逻辑电路(PLD)等。“处理器”也可以指在此例示的多个处理器的组合。例如，也可以指DSP以及微型处理器的组合、DSP芯和1个以上的微处理器的组合。
虽然说明了本发明的几个实施方式，但这些实施方式是作为例示而提示的，不意图限定发明的范围。这些新的实施方式能够以其它各种方式实施，能够在不脱离发明的要旨的范围内进行各种省略、替换、变更。这些实施方式及其变形包含于发明的范围、要旨，并且包含于权利要求书记载的发明和其均等的范围。

Claims (14)

1.一种信息处理装置，具备：
关键词序列生成部，通过对基于自然语言的文本数据进行语态素分析，生成包括多个关键词的关键词序列；
分类信息序列生成部，根据将关键词与分类信息对应起来的数据库，获取与在所述关键词序列中包含的所述多个关键词中的各个关键词对应的分类信息来生成分类信息序列；
模式抽出部，根据所述分类信息序列与多个分类信息序列模式中的各个分类信息序列模式的相关性，从所述多个分类信息序列模式中选择所述分类信息序列模式；以及
判断部，通过比较选择出的分类信息序列模式和所述分类信息序列，生成与所述分类信息序列模式和所述分类信息序列的差分对应的提示信息。
2.根据权利要求1所述的信息处理装置，其中，
所述信息处理装置还具备将所述提示信息输出到显示装置的输出处理部。
3.根据权利要求1或者2所述的信息处理装置，其中，
所述模式抽出部计算所述分类信息序列与所述多个分类信息序列模式中的各个分类信息序列模式的类似度，根据所述类似度选择所述分类信息序列模式。
4.根据权利要求1至3中的任意一项所述的信息处理装置，其中，
所述提示信息确定包含于所述分类信息序列模式且不包含于所述分类信息序列的分类信息。
5.根据权利要求1至4中的任意一项所述的信息处理装置，其中，
所述提示信息包括如下消息：通知与包含于所述分类信息序列模式且不包含于所述分类信息序列的分类信息有关的关键词未包含于所述关键词序列。
6.根据权利要求1至5中的任意一项所述的信息处理装置，其中，
所述判断部从所述关键词序列中检测与输入画面的项目关联的关键词，所述输出处理部将与检测到的关键词对应的信息设定为所述项目的值。
7.根据权利要求1至6中的任意一项所述的信息处理装置，其中，
所述关键词序列生成部根据将标准关键词与非标准关键词对应起来的标准用语数据库，判断在所述关键词序列中包含的所述关键词是否与所述非标准关键词相符，在与所述非标准关键词相符时，将所述关键词替换为所述标准关键词。
8.根据权利要求1至7中的任意一项所述的信息处理装置，其中，
所述信息处理装置具备模板应用部，该模板应用部根据规定了针对预定用语而抽出处于特定位置的值的模板，从所述关键词序列中抽出所述值，
所述输出处理部将抽出的所述值设定为在输入画面中与所述预定用语关联的项目的值。
9.根据权利要求1至8中的任意一项所述的信息处理装置，其中，
所述信息处理装置具备修正部，该修正部将包括在所述关键词序列中检测出的连续的一个或者多个关键词的字符串变换为表示所述字符串的读法的第一表述，在将多个关键词与表示所述多个关键词的读法的第二表述对应起来的数据库中，根据所述第一表述与所述多个关键词各自的所述第二表述的相关性，确定所述多个关键词中的一个关键词，将在所述关键词序列中检测出的所述字符串、或者与检测出的所述字符串对应的所述文本数据中的部位替换为确定的所述一个关键词。
10.根据权利要求9所述的信息处理装置，其中，
所述修正部根据相对所述第一关键词处于预定位置关系的第二关键词，确定期望所述关键词序列中的第一关键词表示的值的范围，在所述第一关键词表示的值不属于所述范围时，检测包括所述第一关键词的包括连续的所述一个或者多个关键词的所述字符串。
11.根据权利要求10所述的信息处理装置，其中，
所述第二关键词表示与测量有关的项目的用语，期望所述第一关键词所取的所述值的范围是期望通过所述测量而得到的测量值的范围。
12.根据权利要求1至11中的任意一项所述的信息处理装置，其中，
所述自然语言的文本数据是通过对表示用户讲话的内容的声音数据进行声音识别处理而得到的数据。
13.一种信息处理方法，其中，计算机
通过对基于自然语言的文本数据进行语态素分析来生成包括多个关键词的关键词序列，
根据将关键词与分类信息对应起来的数据库，获取与在所述关键词序列中包含的所述多个关键词中的各个关键词对应的分类信息来生成分类信息序列，
根据所述分类信息序列与多个分类信息序列模式中的各个分类信息序列模式的相关性，从所述多个分类信息序列模式中选择所述分类信息序列模式，
通过比较选择出的分类信息序列模式和所述分类信息序列，生成与所述分类信息序列模式和所述分类信息序列的差分对应的提示信息。
14.一种计算机程序，用于使计算机执行：
通过对基于自然语言的文本数据进行语态素分析来生成包括多个关键词的关键词序列的步骤；
根据将关键词与分类信息对应起来的数据库，获取与在所述关键词序列中包含的所述多个关键词中的各个关键词对应的分类信息来生成分类信息序列的步骤；
根据所述分类信息序列与多个分类信息序列模式中的各个分类信息序列模式的相关性，从所述多个分类信息序列模式中选择所述分类信息序列模式的步骤；以及
通过比较选择出的分类信息序列模式和所述分类信息序列，生成与所述分类信息序列模式和所述分类信息序列的差分对应的提示信息的步骤。
CN201680041106.3A 2015-07-13 2016-07-13 信息处理装置、信息处理方法以及计算机可读取的存储介质 Active CN108027823B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2015-140015 2015-07-13
JP2015140015 2015-07-13
PCT/JP2016/070665 WO2017010506A1 (ja) 2015-07-13 2016-07-13 情報処理装置、情報処理方法およびコンピュータプログラム

Publications (2)

Publication Number Publication Date
CN108027823A true CN108027823A (zh) 2018-05-11
CN108027823B CN108027823B (zh) 2022-07-12

Family

ID=57757472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680041106.3A Active CN108027823B (zh) 2015-07-13 2016-07-13 信息处理装置、信息处理方法以及计算机可读取的存储介质

Country Status (5)

Country Link
US (1) US10831996B2 (zh)
EP (1) EP3324305A4 (zh)
JP (1) JP6594981B2 (zh)
CN (1) CN108027823B (zh)
WO (1) WO2017010506A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109698024A (zh) * 2018-12-26 2019-04-30 深圳开立生物医疗科技股份有限公司 一种操作流程的处理方法、装置及超声设备
CN112088307A (zh) * 2018-05-24 2020-12-15 株式会社岛津制作所 分析系统
CN115039042A (zh) * 2020-02-04 2022-09-09 三菱电机株式会社 程序创建辅助装置、程序创建辅助方法及程序创建辅助程序

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6762819B2 (ja) 2016-09-14 2020-09-30 株式会社東芝 入力支援装置およびプログラム
JP7049880B2 (ja) * 2017-03-24 2022-04-07 株式会社Ｎｔｔドコモ 音声認識結果比較システム
EP3648032A1 (en) * 2017-06-29 2020-05-06 Bizocean Co., Ltd. Information inputting method, information inputting device, and information inputting system
US11055481B2 (en) 2017-06-29 2021-07-06 Spalo Co., Ltd. Information input method, information input apparatus, and information input system
JP6819489B2 (ja) * 2017-07-06 2021-01-27 富士通株式会社 記録プログラム、記録方法、及び記録装置
JP6894827B2 (ja) * 2017-11-01 2021-06-30 Tis株式会社 入力内容決定装置
CN109840062B (zh) * 2017-11-28 2022-10-28 株式会社东芝 输入辅助装置以及记录介质
JP7029347B2 (ja) * 2018-05-11 2022-03-03 株式会社東芝 情報処理方法、プログラムおよび情報処理装置
JP6541203B1 (ja) * 2018-09-28 2019-07-10 クックパッド株式会社 サーバ装置、情報処理端末、システム、方法およびプログラム
JP2020140620A (ja) * 2019-03-01 2020-09-03 セントスタッフ株式会社 介護記録作成支援システム及びプログラム
US20220374484A1 (en) * 2019-10-01 2022-11-24 Visa International Service Association Graph learning and automated behavior coordination platform
JP2022035950A (ja) * 2020-08-21 2022-03-04 株式会社エクサウィザーズ 作業記録作成方法、プログラム、作業記録作成装置、及び作業記録システム
JP7082772B1 (ja) 2021-09-10 2022-06-09 株式会社ブルーオーシャンシステム バイタルデータ入力装置，データ入力補助装置およびその制御プログラム
JP7460217B1 (ja) 2023-05-19 2024-04-02 株式会社Ｔｆｐグループ 保険管理装置

Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5774845A (en) * 1993-09-17 1998-06-30 Nec Corporation Information extraction processor
JPH11203325A (ja) * 1998-01-16 1999-07-30 Tadamitsu Ryu データベース作成方法、そのプログラムを格納した記録媒体及びその作成方法で作成したデータ群を記録した記録媒体
US20020120505A1 (en) * 2000-08-30 2002-08-29 Ezula, Inc. Dynamic document context mark-up technique implemented over a computer network
CN101201841A (zh) * 2007-02-15 2008-06-18 刘二中 电子文本处理与检索的便捷方法和系统
US20090157650A1 (en) * 2007-12-17 2009-06-18 Palo Alto Research Center Incorporated Outbound content filtering via automated inference detection
US20090248671A1 (en) * 2008-03-28 2009-10-01 Daisuke Maruyama Information classification system, information processing apparatus, information classification method and program
US20090254348A1 (en) * 2008-04-07 2009-10-08 International Business Machines Corporation Free form input field support for automated voice enablement of a web page
WO2011093025A1 (ja) * 2010-01-29 2011-08-04 日本電気株式会社 入力支援システム、方法、およびプログラム
CN102193903A (zh) * 2010-03-15 2011-09-21 索尼公司 信息处理装置、信息处理方法以及程序
US20110231432A1 (en) * 2008-07-25 2011-09-22 Ichiko Sata Information processing device and information processing method
US20120215523A1 (en) * 2010-01-08 2012-08-23 International Business Machines Corporation Time-series analysis of keywords
CN103226554A (zh) * 2012-12-14 2013-07-31 西藏同信证券有限责任公司 基于新闻数据的股票自动匹配分类方法和系统
CN103763312A (zh) * 2013-12-31 2014-04-30 广州华多网络科技有限公司 功能启动方法、装置及客户端
WO2014203328A1 (ja) * 2013-06-18 2014-12-24 株式会社日立製作所 音声データ検索システム、音声データ検索方法、及びコンピュータ読み取り可能な記憶媒体
US20150154956A1 (en) * 2013-12-03 2015-06-04 Cellco Partnership D/B/A Verizon Wireless Auto-tagger that learns

Family Cites Families (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH077416B2 (ja) * 1988-08-15 1995-01-30 富士通株式会社 用語集自動作成方式
US5475587A (en) * 1991-06-28 1995-12-12 Digital Equipment Corporation Method and apparatus for efficient morphological text analysis using a high-level language for compact specification of inflectional paradigms
CA2078423C (en) * 1991-11-19 1997-01-14 Per-Kristian Halvorsen Method and apparatus for supplementing significant portions of a document selected without document image decoding with retrieved information
US5371807A (en) * 1992-03-20 1994-12-06 Digital Equipment Corporation Method and apparatus for text classification
US5799268A (en) * 1994-09-28 1998-08-25 Apple Computer, Inc. Method for extracting knowledge from online documentation and creating a glossary, index, help database or the like
US6442540B2 (en) * 1997-09-29 2002-08-27 Kabushiki Kaisha Toshiba Information retrieval apparatus and information retrieval method
US6304848B1 (en) * 1998-08-13 2001-10-16 Medical Manager Corp. Medical record forming and storing apparatus and medical record and method related to same
US6529892B1 (en) * 1999-08-04 2003-03-04 Illinois, University Of Apparatus, method and product for multi-attribute drug comparison
CN1174332C (zh) * 2000-03-10 2004-11-03 松下电器产业株式会社 转换表达方式的方法和装置
JP4357867B2 (ja) * 2003-04-25 2009-11-04 パイオニア株式会社 音声認識装置、音声認識方法、並びに、音声認識プログラムおよびそれを記録した記録媒体
US20060085181A1 (en) * 2004-10-20 2006-04-20 Kabushiki Kaisha Toshiba Keyword extraction apparatus and keyword extraction program
WO2007013521A1 (ja) * 2005-07-26 2007-02-01 Honda Motor Co., Ltd. ユーザと機械とのインタラクションを実施するための装置、方法、およびプログラム
US8886661B2 (en) * 2006-03-23 2014-11-11 Nec Corporation Information extraction system, information extraction method, information extraction program, and information service system
US8600735B2 (en) * 2006-08-31 2013-12-03 Simon Dewulf Directed variation of identified product features using language analysis of a knowledge base
JP4240329B2 (ja) * 2006-09-21 2009-03-18 ソニー株式会社 情報処理装置および情報処理方法、並びにプログラム
JP4913154B2 (ja) * 2006-11-22 2012-04-11 春男 林 文書解析装置および方法
US7822734B2 (en) * 2006-12-12 2010-10-26 Yahoo! Inc. Selecting and presenting user search results based on an environment taxonomy
JP4296521B2 (ja) * 2007-02-13 2009-07-15 ソニー株式会社 表示制御装置、表示制御方法、およびプログラム
US8620658B2 (en) * 2007-04-16 2013-12-31 Sony Corporation Voice chat system, information processing apparatus, speech recognition method, keyword data electrode detection method, and program for speech recognition
JP2008287406A (ja) * 2007-05-16 2008-11-27 Sony Corp 情報処理装置および情報処理方法、プログラム、並びに、記録媒体
JP4547721B2 (ja) * 2008-05-21 2010-09-22 株式会社デンソー 自動車用情報提供システム
JP2010134766A (ja) * 2008-12-05 2010-06-17 Toshiba Corp 文書データ処理装置およびそのプログラム
JP4873018B2 (ja) * 2009-01-09 2012-02-08 ソニー株式会社 データ処理装置、データ処理方法、及び、プログラム
US8909566B2 (en) * 2009-06-23 2014-12-09 Oracle International Corporation Method, a computer program and apparatus for analyzing symbols in a computer
JP5257330B2 (ja) * 2009-11-06 2013-08-07 株式会社リコー 発言記録装置、発言記録方法、プログラム及び記録媒体
JP5631679B2 (ja) 2010-09-28 2014-11-26 サトーホールディングス株式会社 訪問介護支援方法
JP5166569B2 (ja) * 2011-04-15 2013-03-21 株式会社東芝 業務連携支援システムおよび業務連携支援方法
JP5866728B2 (ja) 2011-10-14 2016-02-17 サイバーアイ・エンタテインメント株式会社 画像認識システムを備えた知識情報処理サーバシステム
TWM423854U (en) * 2011-10-20 2012-03-01 Ipxnase Technology Ltd Document analyzing apparatus
JP5936698B2 (ja) * 2012-08-27 2016-06-22 株式会社日立製作所 単語意味関係抽出装置
US9405746B2 (en) * 2012-12-28 2016-08-02 Yahoo! Inc. User behavior models based on source domain
JP5525635B1 (ja) 2013-03-21 2014-06-18 株式会社東芝 情報処理装置およびその方法、ならびにプログラム
US11183300B2 (en) * 2013-06-05 2021-11-23 Nuance Communications, Inc. Methods and apparatus for providing guidance to medical professionals
US20150095356A1 (en) * 2013-09-27 2015-04-02 Konica Minolta Laboratory U.S.A., Inc. Automatic keyword tracking and association
KR20150079422A (ko) * 2013-12-30 2015-07-08 주식회사 아이디어웨어 서버 그룹핑 장치, 그 방법 및 기록 매체
US20150242386A1 (en) * 2014-02-26 2015-08-27 Google Inc. Using language models to correct morphological errors in text
DE112014006542B4 (de) * 2014-03-31 2024-02-08 Mitsubishi Electric Corporation Einrichtung und Verfahren zum Verständnis von einer Benutzerintention
US20150347392A1 (en) * 2014-05-29 2015-12-03 International Business Machines Corporation Real-time filtering of massive time series sets for social media trends
US10008204B2 (en) * 2014-06-30 2018-06-26 Clarion Co., Ltd. Information processing system, and vehicle-mounted device
US9626358B2 (en) * 2014-11-26 2017-04-18 Abbyy Infopoisk Llc Creating ontologies by analyzing natural language texts
CN107615345B (zh) * 2015-06-04 2020-06-23 三菱电机株式会社 移动辅助装置、移动辅助用服务器及移动辅助系统

Patent Citations (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5774845A (en) * 1993-09-17 1998-06-30 Nec Corporation Information extraction processor
JPH11203325A (ja) * 1998-01-16 1999-07-30 Tadamitsu Ryu データベース作成方法、そのプログラムを格納した記録媒体及びその作成方法で作成したデータ群を記録した記録媒体
US20020120505A1 (en) * 2000-08-30 2002-08-29 Ezula, Inc. Dynamic document context mark-up technique implemented over a computer network
CN101201841A (zh) * 2007-02-15 2008-06-18 刘二中 电子文本处理与检索的便捷方法和系统
US20090157650A1 (en) * 2007-12-17 2009-06-18 Palo Alto Research Center Incorporated Outbound content filtering via automated inference detection
US20090248671A1 (en) * 2008-03-28 2009-10-01 Daisuke Maruyama Information classification system, information processing apparatus, information classification method and program
US20090254348A1 (en) * 2008-04-07 2009-10-08 International Business Machines Corporation Free form input field support for automated voice enablement of a web page
US20110231432A1 (en) * 2008-07-25 2011-09-22 Ichiko Sata Information processing device and information processing method
US20120215523A1 (en) * 2010-01-08 2012-08-23 International Business Machines Corporation Time-series analysis of keywords
WO2011093025A1 (ja) * 2010-01-29 2011-08-04 日本電気株式会社 入力支援システム、方法、およびプログラム
CN102193903A (zh) * 2010-03-15 2011-09-21 索尼公司 信息处理装置、信息处理方法以及程序
CN103226554A (zh) * 2012-12-14 2013-07-31 西藏同信证券有限责任公司 基于新闻数据的股票自动匹配分类方法和系统
WO2014203328A1 (ja) * 2013-06-18 2014-12-24 株式会社日立製作所 音声データ検索システム、音声データ検索方法、及びコンピュータ読み取り可能な記憶媒体
US20150154956A1 (en) * 2013-12-03 2015-06-04 Cellco Partnership D/B/A Verizon Wireless Auto-tagger that learns
CN103763312A (zh) * 2013-12-31 2014-04-30 广州华多网络科技有限公司 功能启动方法、装置及客户端

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
BHATTACHARYA,S.: "Design of a word to sentence generator for augmentative communication", 《INTERNATIONAL JOURNAL OF COMPUTERS & APPLICATIONS》 *
赵军等: "开放式文本信息抽取", 《中文信息学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112088307A (zh) * 2018-05-24 2020-12-15 株式会社岛津制作所 分析系统
CN109698024A (zh) * 2018-12-26 2019-04-30 深圳开立生物医疗科技股份有限公司 一种操作流程的处理方法、装置及超声设备
CN115039042A (zh) * 2020-02-04 2022-09-09 三菱电机株式会社 程序创建辅助装置、程序创建辅助方法及程序创建辅助程序

Also Published As

Publication number Publication date
EP3324305A4 (en) 2018-12-05
EP3324305A1 (en) 2018-05-23
US20180203845A1 (en) 2018-07-19
US10831996B2 (en) 2020-11-10
CN108027823B (zh) 2022-07-12
JP6594981B2 (ja) 2019-10-23
JPWO2017010506A1 (ja) 2018-04-26
WO2017010506A1 (ja) 2017-01-19

Similar Documents

Publication Publication Date Title
CN108027823A (zh) 信息处理装置、信息处理方法以及计算机程序
US20220020495A1 (en) Methods and apparatus for providing guidance to medical professionals
CN106919793B (zh) 一种医疗大数据的数据标准化处理方法及装置
US20210358625A1 (en) Methods and apparatus for presenting alternative hypotheses for medical facts
US10878962B2 (en) System and method for extracting oncological information of prognostic significance from natural language
US20200311343A1 (en) Methods and apparatus for extracting facts from a medical text
US9129013B2 (en) Methods and apparatus for entity detection
US11024406B2 (en) Systems and methods for identifying errors and/or critical results in medical reports
US9135571B2 (en) Methods and apparatus for entity detection
US20200126643A1 (en) Medical coding system with cdi clarification request notification
US20140365239A1 (en) Methods and apparatus for facilitating guideline compliance
US20140164023A1 (en) Methods and apparatus for applying user corrections to medical fact extraction
US20130297347A1 (en) Physician and clinical documentation specialist workflow integration
WO2014197669A1 (en) Methods and apparatus for providing guidance to medical professionals
Pesaranghader et al. Improving gloss vector semantic relatedness measure by integrating pointwise mutual information: Optimizing second-order co-occurrence vectors computed from biomedical corpus and UMLS
CN117216322A (zh) 一种电子病历的生成方法、装置、设备及存储介质
Zhao et al. Improving search for evidence-based practice using information extraction
CN107004058A (zh) 用于将非结构化条目特征与相关联的治疗特征一致地相关的系统和方法
EP3011489A2 (en) Physician and clinical documentation specialist workflow integration
EP3738054A1 (en) A system and method for extracting oncological information of prognostic significance from natural language
KR102567388B1 (ko) 면담 내용을 이용하여 검사 세트를 제공하는 처방 보조 방법
Macri et al. Automated identification of clinical procedures in free-text electronic clinical records with a low-code named entity recognition workflow
Butala et al. Cross Language Application for Disease Prediction.
Perez et al. ESAN: Automating medical scribing in Spanish.
KR20230168998A (ko) 면담 내용을 이용하여 약품 세트를 제공하는 처방 보조 방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant