CN110516032B - 文本的结构化处理方法、装置、存储介质和电子设备 - Google Patents
文本的结构化处理方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN110516032B CN110516032B CN201910818299.4A CN201910818299A CN110516032B CN 110516032 B CN110516032 B CN 110516032B CN 201910818299 A CN201910818299 A CN 201910818299A CN 110516032 B CN110516032 B CN 110516032B
- Authority
- CN
- China
- Prior art keywords
- words
- level
- word list
- text
- grouping
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/316—Indexing structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Machine Translation (AREA)
Abstract
本发明实施例提供了一种文本的结构化处理方法、装置、计算机可读存储介质和电子设备,涉及数据处理技术领域。该方法包括:根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组;根据分组结果对所述原始文本进行重新排列,得到新文本;按照所述上下级词表对所述新文本进行结构化匹配。本发明实施例的技术方案根据上下级词表对原始文本中的专业词语进行分组并进一步对原始文本进行重新排列,之后按照上下级词表对新文本进行结构化匹配,以提高文本的结构化数据的准确率和召回率。
Description
技术领域
本发明涉及数据处理技术领域,具体而言,涉及一种文本的结构化处理方法、装置、计算机可读存储介质和电子设备。
背景技术
对文本进行结构化处理后,可以从自然语言的长文本中提取出相关有价值信息,方便进行下一步应用。
在实际应用中,一些文本中含有大量存在上下级部位关系的主体。对这些文本进行结构化处理时,可以将完整的部位词语作为一个整体,在文本中进行匹配,也可以根据上下级部位的特点进行拆分,作为两个独立部分匹配后再进行组合。这些方案在保证结构化出信息的准确率时,漏召情况较多,如果保证大量的召回,则容易出现误召。
因此,针对存在上下级部位关系的主体的文本,如何在提高其结构化处理的准确率的同时提高其召回率是当前亟需解决的技术问题。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明实施例的目的在于提供一种文本的结构化处理方法、装置、计算机可读存储介质及电子设备,进而至少在一定程度上提高文本的结构化数据的准确率和召回率。
本发明的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本发明实施例的第一方面,提供一种文本的结构化处理方法,所述方法包括:根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组;根据分组结果对所述原始文本进行重新排列,得到新文本;按照所述上下级词表对所述新文本进行结构化匹配。
在一些实施例中,所述根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组之前,所述方法还包括:根据所述设定专业词语的含义建立包括所述不同的级别的上下级词表。
在一些实施例中,所述按照所述上下级词表对所述新文本进行结构化匹配,包括:采用以下任一种匹配方式按照上下级词表对所述新文本进行结构化匹配:词典匹配、正则匹配或知识图谱匹配。
在一些实施例中,所述根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组,包括:基于所述上下级词表,获取第一文本中的同级别词语;根据所述第一文本获取所述同级别词语之间的关联词表和在语义上不同类别的词语之间的分割词表;根据所述关联词表和所述分割词表对所述原始文本进行对应的词语分组。
在一些实施例中,所述根据所述关联词表和所述分割词表对所述原始文本进行对应的词语分组,包括:若所述同级别词语之间由所述关联词表中的词语连接,则将所述同级别词语编入同一编组,其中,不同的编组被赋予不同的组号;若所述同级别词语之间由所述分割词表中的词语连接,则将所述同级别词语编入不同编组。
在一些实施例中,所述根据分组结果对所述原始文本进行重新排列,包括:将组号相同的第一级别词语和第二级别词语组合后替换所述原始文本中的所述第一级别词语或者所述第二级别词语。
在一些实施例中,所述根据所述关联词表和所述分割词表对所述原始文本进行对应的词语分组,还包括:若第一级别词语之后为所述分割词表中的词语,则增加与所述第一级别词语所在的第一级别编组组号相同的空的第二级别编组。
根据本发明实施例的第二方面,提供了一种文本的结构化处理装置,所述装置包括:分组单元,用于根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组;排列单元,用于根据分组结果对所述原始文本进行重新排列,得到新文本;匹配单元,用于按照所述不同的级别对所述新文本进行结构化匹配。
根据本发明实施例的第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例中第一方面所述的文本的结构化处理方法。
根据本发明实施例的第四方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中第一方面所述的文本的结构化处理方法。
本发明实施例提供的技术方案可以包括以下有益效果:
在本发明的一些实施例所提供的技术方案中,根据上下级词表对原始文本中的专业词语进行分组并进一步对原始文本进行重新排列,之后按照上下级词表对新文本进行结构化匹配,以提高文本的结构化数据的准确率和召回率。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1示意性示出了根据本发明一种实施例的文本的结构化处理方法的流程图;
图2示意性示出了根据本发明另一种实施例的文本的结构化处理方法的流程图;
图3示意性示出了根据本发明一种实施例的文本的结构化处理装置的方框图;
图4示意性示出了根据本发明另一种实施例的文本的结构化处理装置的方框图;
图5示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在相关技术中,在对含有大量存在上下级部位关系的主体的文本进行结构化处理时,可将完整的部位词语作为一个整体在文本中匹配,也可以根据上下级部位的特点进行拆分,作为两个独立部分匹配后再进行组合。这两种方案具有各自的弊端,无法同时提高文本的结构化数据的准确率和召回率。
为解决以上问题,本发明实施例提供一种文本的结构化处理方法,以同时提高文本的结构化数据的准确率和召回率。
图1示意性示出了本公开的示例性实施方式的文本的结构化处理方法。本公开实施例提供的方法可以由任意具备计算机处理能力的电子设备执行,例如终端设备和/或服务器。参考图1,该文本的结构化处理方法可以包括以下步骤:
步骤S120,根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组。
步骤S140,根据分组结果对原始文本进行重新排列,得到新文本。
步骤S160,按照上下级词表对新文本进行结构化匹配。
在本发明实施例的技术方案中,根据预先建立的上下级词表对原始文本进行重新排列,形成新文本,再使用上下级词表对新文本进行结构化匹配。因为在新文本中重新组合后的词语具有上下级关系,使用上下级词表对新文本进行匹配后,较为准确,且召回率较高。
在步骤S120之前,可以根据设定专业词语的含义建立包括不同的级别的上下级词表。
在原文本中包含较多医学专业词语时,可以根据医学专业词语的含义和医学知识建立上下级词表。该上下级词表中的词语具有不同的级别。
以左心室壁的心肌分段为例,为了更好地描述左心室壁的病变位置,临床上一般将左心室壁划分为十六个分段,具体包括前壁基底段、前壁中段、前壁心尖段、侧壁基底段、侧壁中段、侧壁心尖段等分段。
根据前壁基底段、前壁中段、前壁心尖段、侧壁基底段、侧壁中段、侧壁心尖段等词语的医学含义和医学知识,可以建立以下上下级词表。前壁、侧壁、后壁、下壁在医学含义上为同一级别的词语,可以将前壁、侧壁、后壁、下壁等词语作为第一级词表的组成词语,基底段、中段、心尖段在医学含义上为同一级别的词语,可以将基底段、中段、心尖段等词语作为第二级词表的组成词语。其中,第一级词表是第二级词表的上级词表,第一级词表中的词语与第二级词表中的词语在医学含义上为对应的上级部位和下级部位。如下表1所示的词表中,词语分为不同的三种级别。
表1 不同等级的词表目录
如图2所示,步骤S120可以包括以下步骤:
步骤S122,基于上下级词表,获取第一文本中的同级别词语。
步骤S124,根据第一文本获取同级别词语之间的关联词表和在语义上不同类别的词语之间的分割词表。
步骤S126,根据关联词表和分割词表对原始文本进行对应的词语分组。
在步骤S120中,第一文本可以为包括较多医学专业词语的多个示例文本,通过对这些示例文本进行实际标注、提取和反馈,可以得到用于对词语进行分组的关联词表和分割词表。
具体地,在步骤S122中,获取第一文本中的同级别词语可以得到第三级别的词语、第四级别的词语和第五级别的词语。其中,第三级别的词语是第四级别词语的上级词语,第三级别的词语与第四级别的词语在医学含义上为对应的上级部位和下级部位。第四级别的词语是第五级别词语的上级词语,第四级别的词语与第五级别的词语在医学含义上为对应的上级部位和下级部位。
关联词表中包含关联词,分割词表中包含分割词。同级别词语之间一般通过关联词进行承接,在语义上不同类别的词语之间一般通过分割词进行分割。在步骤S124中,根据步骤S122中得到的同级别词语,对第一文本进行实际标注、提取和反馈,可以得到关联词和分割词,进而得到关联词表和分割词表。
例如,根据文本“下壁,前壁、侧壁基底段,后壁中段及基底段缺血”可以得出,“、”为上级词语之间的关联词,“及”为下级词语之间的关联词,“,”为分割词。
在步骤S126中,根据关联词表和分割词表对原始文本进行对应的词语分组。
具体地,若同级别词语之间由关联词表中的词语连接,则将同级别词语编入同一编组,其中,不同的编组被赋予不同的组号。
若同级别词语之间由分割词表中的词语连接,则将同级别词语编入不同编组。
若第一级别词语之后为分割词表中的词语,则增加与第一级别词语所在的第一级别编组组号相同的空的第二级别编组。这里,第一级别编组中的词语与第二级别编组中的词语在医学含义上为对应的上级部位和下级部位。
在“、”为上级词语之间的关联词,“及”为下级词语之间的关联词,“,”为分割词时,以文本“下壁,前壁、侧壁基底段,后壁中段及基底段缺血”作为原始文本并对其进行对应的词语分组的分组情况如下:
下壁、前壁、侧壁和后壁为第一级别的同级别词语,下壁和前壁由分割词连接,所以下壁和前壁编入不同编组。前壁和侧壁由分割词连接,所以前壁和侧壁编入不同编组。侧壁和后壁由分割词连接,所以侧壁和后壁编入不同编组。这样,得到的第一级别词语的编组结果及组号为:下壁-1,前壁-2,侧壁-2,后壁-3。
基底段、中段为第二级别的同级别词语,第一个基底段与中段由分割词连接,所述第一个基低段与中段编入不同编组,中段与第二个基底段由关联词连接,所以中段与第二个基底段编入相同的编组。另外,由于第一级别词语下壁之后为分割词表中的词语,下壁所在编组组号为1,则增加编组组号为1的空的第二级别编组。这样,得到的第二级别词语的编组结果及组号为:-1,基底段-2,中段-3,基底段-3。
在步骤S140中,将组号相同的第一级别词语和第二级别词语组合后替换原始文本中的第一级别词语或者第二级别词语。
具体地,组号为1的第一级别词语和第二级别词语组合后得到的词语为下壁,与原始文本中的第一级别词语相同。
组号为2的第一级别词语和第二级别词语组合后得到的词语为前壁基底段和侧壁基底段,将前壁基底段和侧壁基底段代替原始文本中的前壁、侧壁基底段。
组号为3的第一级别词语和第二级别词语组合后得到的词语为后壁中段和后壁基底段,将后壁中段和后壁基底段代替原始文本中的后壁中段及基底段。
执行完步骤S140后,根据原始文本“下壁,前壁、侧壁基底段,后壁中段及基底段缺血”得到新文本为“下壁,前壁基底段,侧壁基底段,后壁中段,后壁基底段缺血”。
在步骤160中,可以采用词典匹配、正则匹配或知识图谱匹配等匹配方式按照上下级词表对新文本进行结构化匹配,且并不局限于词典匹配、正则匹配或知识图谱匹配等匹配方式。
在步骤S160中,对新文本“下壁,前壁基底段,侧壁基底段,后壁中段,后壁基底段缺血”进行结构化匹配可知,心肌缺血的缺血部位为下壁,前壁基底段,侧壁基底段,后壁中段,后壁基底段这五个结果。
执行步骤S160的结构化匹配后,就可以得到具有较高的准确率和召回率的文本。
在本发明的一些实施例所提供的文本的结构化处理方法中,根据上下级词表对原始文本中的专业词语进行分组并进一步对原始文本进行重新排列,之后按照上下级词表对新文本进行结构化匹配,以提高文本的结构化数据的准确率和召回率。
以下介绍本发明的装置实施例,可以用于执行本发明上述的文本的结构化处理方法。参考图3,本发明装置实施例提供的文本的结构化处理装置300包括:
分组单元320,用于根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组。
排列单元340,用于根据分组结果对原始文本进行重新排列,得到新文本。
匹配单元360,用于按照不同的级别对新文本进行结构化匹配。
在本发明实施例的技术方案中,根据预先建立的上下级词表对原始文本进行重新排列,形成新文本,再使用上下级词表对新文本进行结构化匹配。因为在新文本中重新组合后的词语具有上下级关系,使用上下级词表对新文本进行匹配后,较为准确,且召回率较高。
如图2所示,分组单元320可以包括:
第一获取子单元322,用于基于上下级词表,获取第一文本中的同级别词语。
第二获取子单元324,用于根据第一文本获取同级别词语之间的关联词表和在语义上不同类别的词语之间的分割词表。
分组子单元326,用于根据关联词表和分割词表对原始文本进行对应的词语分组。
分组子单元326在根据关联词表和分割词表对原始文本进行对应的词语分组时,若同级别词语之间由关联词表中的词语连接,则将同级别词语编入同一编组,其中,不同的编组被赋予不同的组号。若同级别词语之间由分割词表中的词语连接,则将同级别词语编入不同编组。若第一级别词语之后为分割词表中的词语,则增加与第一级别词语所在的第一级别编组组号相同的空的第二级别编组。
排列单元340还用于将组号相同的第一级别词语和第二级别词语组合后替换原始文本中的第一级别词语或者第二级别词语。
匹配单元360可以采用词典匹配、正则匹配或知识图谱匹配等匹配方式按照上下级词表对新文本进行结构化匹配,且并不局限于词典匹配、正则匹配或知识图谱匹配等匹配方式。
由于本发明的示例实施例的文本的结构化处理装置的各个功能模块与上述文本的结构化处理方法的示例实施例的步骤对应,因此对于本发明装置实施例中未披露的细节,请参照本发明上述的文本的结构化处理方法的实施例。
在本发明的实施例所提供的文本的结构化处理装置中,根据上下级词表对原始文本中的专业词语进行分组并进一步对原始文本进行重新排列,之后按照上下级词表对新文本进行结构化匹配,以提高文本的结构化数据的准确率和召回率。
下面参考图5,其示出了适于用来实现本发明实施例的电子设备的计算机系统500的结构示意图。图5示出的电子设备的计算机系统500仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图5所示,计算机系统500包括中央处理单元(CPU)501,其可以根据存储在只读存储器(ROM)502中的程序或者从存储部分508加载到随机访问存储器(RAM)503中的程序而执行各种适当的动作和处理。在RAM 503中,还存储有系统操作所需的各种程序和数据。CPU501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
以下部件连接至I/O接口505:包括键盘、鼠标等的输入部分506;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分507;包括硬盘等的存储部分508;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分509。通信部分509经由诸如因特网的网络执行通信处理。驱动器510也根据需要连接至I/O接口505。可拆卸介质511,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器510上,以便于从其上读出的计算机程序根据需要被安装入存储部分508。
特别地,根据本发明的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读存储介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分509从网络上被下载和安装,和/或从可拆卸介质511被安装。在该计算机程序被中央处理单元(CPU)501执行时,执行本申请的系统中限定的上述功能。
需要说明的是,本发明所示的计算机可读存储介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读存储介质,该计算机可读存储介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读存储介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如上述实施例中所述的文本的结构化处理方法。
例如,所述的电子设备可以实现如图1中所示的:步骤S120,根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组;步骤S140,根据分组结果对所述原始文本进行重新排列,得到新文本;步骤S160,按照所述上下级词表对所述新文本进行结构化匹配。
又如,所述的电子设备可以实现如图2所示的各个步骤。
应当注意,尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
通过以上的实施方式的描述,本领域的技术人员易于理解,这里描述的示例实施方式可以通过软件实现,也可以通过软件结合必要的硬件的方式来实现。因此,根据本发明实施方式的技术方案可以以软件产品的形式体现出来,该软件产品可以存储在一个非易失性存储介质(可以是CD-ROM,U盘,移动硬盘等)中或网络上,包括若干指令以使得一台计算设备(可以是个人计算机、服务器、触控终端、或者网络设备等)执行根据本发明实施方式的方法。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由下面的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。
Claims (7)
1.一种文本的结构化处理方法,其特征在于,所述方法包括:
根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组;
根据分组结果对所述原始文本进行重新排列,得到新文本;
按照所述上下级词表对所述新文本进行结构化匹配;其中,
所述根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组,包括:基于所述上下级词表,获取第一文本中的同级别词语;根据所述第一文本获取所述同级别词语之间的关联词表和在语义上不同类别的词语之间的分割词表;根据所述关联词表和所述分割词表对所述原始文本进行对应的词语分组;
所述根据所述关联词表和所述分割词表对所述原始文本进行对应的词语分组,包括:若所述同级别词语之间由所述关联词表中的词语连接,则将所述同级别词语编入同一编组,其中,不同的编组被赋予不同的组号;若所述同级别词语之间由所述分割词表中的词语连接,则将所述同级别词语编入不同编组;以及,
所述根据分组结果对所述原始文本进行重新排列,包括:将组号相同的第一级别词语和第二级别词语组合后替换所述原始文本中的所述第一级别词语或者所述第二级别词语。
2.根据权利要求1所述的方法,其特征在于,所述根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组之前,所述方法还包括:
根据所述设定专业词语的含义建立包括所述不同的级别的上下级词表。
3.根据权利要求1所述的方法,其特征在于,所述按照所述上下级词表对所述新文本进行结构化匹配,包括:
采用以下任一种匹配方式按照上下级词表对所述新文本进行结构化匹配:
词典匹配、正则匹配或知识图谱匹配。
4.根据权利要求1所述的方法,其特征在于,所述根据所述关联词表和所述分割词表对所述原始文本进行对应的词语分组,还包括:
若第一级别词语之后为所述分割词表中的词语,则增加与所述第一级别词语所在的第一级别编组组号相同的空的第二级别编组。
5.一种文本的结构化处理装置,其特征在于,所述装置包括:
分组单元,用于根据预先建立的上下级词表对原始文本中的设定专业词语按照不同的级别进行对应分组;
排列单元,用于根据分组结果对所述原始文本进行重新排列,得到新文本;
匹配单元,用于按照所述上下级词表对所述新文本进行结构化匹配;其中,
所述分组单元还用于:基于所述上下级词表,获取第一文本中的同级别词语;根据所述第一文本获取所述同级别词语之间的关联词表和在语义上不同类别的词语之间的分割词表;根据所述关联词表和所述分割词表对所述原始文本进行对应的词语分组;
所述分组单元还用于:若所述同级别词语之间由所述关联词表中的词语连接,则将所述同级别词语编入同一编组,其中,不同的编组被赋予不同的组号;若所述同级别词语之间由所述分割词表中的词语连接,则将所述同级别词语编入不同编组;以及,
所述排列单元还用于:将组号相同的第一级别词语和第二级别词语组合后替换所述原始文本中的所述第一级别词语或者所述第二级别词语。
6.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1至4中任一项所述的文本的结构化处理方法。
7.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1至4中任一项所述的文本的结构化处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910818299.4A CN110516032B (zh) | 2019-08-30 | 2019-08-30 | 文本的结构化处理方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910818299.4A CN110516032B (zh) | 2019-08-30 | 2019-08-30 | 文本的结构化处理方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110516032A CN110516032A (zh) | 2019-11-29 |
CN110516032B true CN110516032B (zh) | 2022-04-29 |
Family
ID=68628753
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910818299.4A Active CN110516032B (zh) | 2019-08-30 | 2019-08-30 | 文本的结构化处理方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110516032B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020453A (zh) * | 2012-12-15 | 2013-04-03 | 中国科学院深圳先进技术研究院 | 基于本体技术的结构化电子病历生成方法 |
CN109192255A (zh) * | 2018-07-03 | 2019-01-11 | 北京康夫子科技有限公司 | 病历结构化方法 |
CN109918672A (zh) * | 2019-03-13 | 2019-06-21 | 东华大学 | 一种基于树结构的甲状腺超声报告的结构化处理方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160042483A1 (en) * | 2014-08-05 | 2016-02-11 | Alvin Quan Vo | Unified patient controlled medical record system |
-
2019
- 2019-08-30 CN CN201910818299.4A patent/CN110516032B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103020453A (zh) * | 2012-12-15 | 2013-04-03 | 中国科学院深圳先进技术研究院 | 基于本体技术的结构化电子病历生成方法 |
CN109192255A (zh) * | 2018-07-03 | 2019-01-11 | 北京康夫子科技有限公司 | 病历结构化方法 |
CN109918672A (zh) * | 2019-03-13 | 2019-06-21 | 东华大学 | 一种基于树结构的甲状腺超声报告的结构化处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110516032A (zh) | 2019-11-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10866973B2 (en) | Test data management | |
US9104656B2 (en) | Using lexical analysis and parsing in genome research | |
CN109255072B (zh) | 信息召回方法及装置、计算机存储介质、电子设备 | |
US10303793B2 (en) | Similarity and ranking of databases based on database metadata | |
US9519622B2 (en) | Reformatting multiple paragraphs of text using the formatting of a sample object by creating multiple candidate combinations and selecting a closest match | |
Karczewski et al. | STORMSeq: an open-source, user-friendly pipeline for processing personal genomics data in the cloud | |
CN109582231B (zh) | 数据存储方法、装置、电子设备及存储介质 | |
Anzt et al. | Toward a modular precision ecosystem for high-performance computing | |
US11836538B2 (en) | Heterogeneous graph generation for application microservices | |
US20190385706A1 (en) | Associating gene expression data with a disease name | |
US11042576B2 (en) | Identifying and prioritizing candidate answer gaps within a corpus | |
CN112328551A (zh) | 医疗数据解析方法、装置、介质及电子设备 | |
Expósito et al. | HSRA: Hadoop-based spliced read aligner for RNA sequencing data | |
US11080228B2 (en) | Distributed random binning featurization with hybrid two-level parallelism | |
CN110362404B (zh) | 一种基于sql的资源分配方法、装置和电子设备 | |
Li et al. | Survival analysis on rare events using group-regularized multi-response cox regression | |
Hong et al. | simpleNomo: A python package of making nomograms for visualizable calculation of logistic regression models | |
Shringarpure et al. | Inexpensive and highly reproducible cloud-based variant calling of 2,535 human genomes | |
CN110516032B (zh) | 文本的结构化处理方法、装置、存储介质和电子设备 | |
Nazipova et al. | Big Data in bioinformatics | |
Ben-Ari et al. | Improving the efficiency of de Bruijn graph construction using compact universal hitting sets | |
Colombo et al. | Arkas: rapid reproducible RNAseq analysis | |
US10783141B2 (en) | Natural language processing social-based matrix refactorization | |
CN111046085A (zh) | 数据的溯源处理方法及装置、介质和设备 | |
CN110888876A (zh) | 生成数据库脚本的方法、装置、存储介质及计算机设备 |
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 |