CN110852105A - 时间数据的归一化方法、装置、介质及电子设备 - Google Patents

Abstract

本公开实施例提供了一种时间数据的归一化方法、装置、计算机可读介质及电子设备，涉及自然语言处理技术领域。该方法包括：识别医疗数据文本以获取原始时间实体；判读上述原始时间实体的时间类型，若上述原始时间实体的时间类型为相对时间，则确定上述原始时间实体的时间基准，并基于上述时间基准确定绝对时间，得到归一化后的时间实体。本技术方案能够基于语义逻辑得出的基准时间，自动计算、补全并最终归一化的标准时间实体，进而便于应用于统计分析等各种科研场景。相较于相关技术中人工进行时间实体归一化的方式，本技术方案处理效率高，而且节省人力物力。

Description

时间数据的归一化方法、装置、介质及电子设备

技术领域

本公开涉及自然语言处理技术领域，具体而言，涉及一种时间数据的归一化方法、时间数据的归一化装置、计算机可读介质及电子设备。

背景技术

医疗领域中源源不断地产生大量的医疗数据，例如：患者的病历、对患者的病例的分析、患者疾病的治疗方案等。一般将医疗数据归一化来实现对医疗数据的管理与分析。

其中，时间实体归一是指从病历长自然语言文本中，通过改进的实体识别技术精确识别其中的绝对时间及相对时间的基础上，通过内在的逻辑自动计算及拼接补全，最终归一标准化输出成标准时间格式的过程。

目前从长自然语言文本中进行时间提取的主要技术方法，是通过人工书写的时间正则表达式，对匹配后符合条件的原始内容进行输出。

然而，相关技术中人工进行医疗数据归一化的处理效率有待提升。

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公开的背景的理解，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

本公开实施例的目的在于提供一种时间数据的归一化方法、时间数据的归一化装置、计算机可读介质及电子设备，进而至少在一定程度上提升了医疗数据归一化的处理效率。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开实施例的第一方面，提供了一种时间数据的归一化方法，包括：

识别医疗数据文本以获取原始时间实体；

判读上述原始时间实体的时间类型，若上述原始时间实体的时间类型为相对时间，则确定上述原始时间实体的时间基准，并基于上述时间基准确定绝对时间，得到归一化后的时间实体。

在本公开的一种实施例中，基于前述方案，该方法还包括：

若上述原始时间实体的时间类型为绝对时间，则对上述原始时间实体进行格式归一化。

在本公开的一种实施例中，基于前述方案，识别医疗数据文本以获取原始时间实体，包括以下步骤中的至少一种：

识别医疗数据文本，获取连续数字的数量大于第一阈值的第一文本作为上述原始时间实体；

识别医疗数据文本，获取相邻数值之间包含预设标点符号的第二文本作为上述原始时间实体；

识别医疗数据文本，获取相邻数字之间包含预设关键字的第三文本作为上述原始时间实体；

其中，上述预设标点符号包括以下信息中的至少一种：顿号、冒汗、点号、斜杠或横杠；

上述预设关键字包括以下信息中的至少一种：年、月、日、时、分、秒、第或天。

在本公开的一种实施例中，基于前述方案，对上述原始时间实体进行格式归一化，包括：

在上述原始时间实体中获取位于第一关键字前的第一数值；

判断上述第一数值是否属于第一取值范围，其中，上述第一取值范围是根据上述第一关键字确定的；

响应于上述第一数值属于上述第一取值范围，则对上述第一数值和上述第一关键字进行格式归一化；

其中，上述第一关键字包括以下信息中的至少一种：年、月、日、时、分或秒。

在本公开的一种实施例中，基于前述方案，在对上述第一数值和上述第一关键字进行格式归一化之后，上述方法还包括：

在上述医疗数据文本中获取距离上述原始时间实体预设距离范围内的参考时间实体；

根据上述参考时间实体对格式归一化后的中间实体进行实体补全。

在本公开的一种实施例中，基于前述方案，上述确定上述原始时间实体的时间基准，包括：

在上述医疗数据文本中，获取距离上述原始时间实体预设距离范围内的时间类型为绝对时间的实体作为上述时间基准；或，

根据上述医疗数据文本的生成日期确定上述时间基准。

在本公开的一种实施例中，基于前述方案，上述基于上述时间基准确定绝对时间，包括：

获取位于上述原始时间实体之后的第二关键字，其中，上述第二关键字包括以下信息中的至少一种：前、后、之间、第或之后；

根据上述第二关键字和上述时间基准计算上述原始时间实体对应的绝对时间。

根据本公开实施例的第二方面，提供了一种时间数据的归一化装置，包括：

实体识别模块，用于识别医疗数据文本以获取原始时间实体；

第一实体归一化模块，用于判读上述原始时间实体的时间类型，若上述原始时间实体的时间类型为相对时间，则确定上述原始时间实体的时间基准，并基于上述时间基准确定绝对时间，得到归一化后的时间实体。

根据本公开实施例的第三方面，提供了一种计算机可读介质，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第一方面中所述的时间数据的归一化方法。

根据本公开实施例的第四方面，提供一种电子设备，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第一方面所述的时间数据的归一化方法。

本公开实施例提供的技术方案可以包括以下有益效果：

在本公开的一些实施例中，首先通过识别医疗数据文本以获取原始时间实体并判读该原始时间实体的时间类型，对于类型为相对时间的原始时间实体，则确定其的时间基准，并基于上述时间基准确定绝对时间，得到归一化后的时间实体。本技术方案能够基于语义逻辑得出的基准时间，自动计算、补全并最终归一化的标准时间实体，进而便于应用于统计分析等各种科研场景。相较于相关技术中人工进行时间实体归一化的方式，本技术方案处理效率高，而且节省人力物力。

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，并不能限制本公开。

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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，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示出了根据本公开的实施例的时间数据的归一化方法的流程示意图；

图2示出了根据本公开的实施例的原始时间实体的获取方法的流程示意图；

图3示出了根据本公开的实施例的第一原始时间实体的格式归一化方法的流程示意图；

图4示出了根据本公开的实施例的第一原始时间实体的实体补全方法的流程示意图；

图5示出了根据本公开的实施例的第二原始时间实体的时间基准的确定方法的流程示意图；

图6示出了根据本公开的实施例的时间数据的归一化装置的结构示意图；

图7示出了适于用来实现本公开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公开将更加全面和完整，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公开的实施例的充分理解。然而，本领域技术人员将意识到，可以实践本公开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公开的各方面。

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。

现有技术提供的医疗数据处理方法中，目前，暂时未见对医疗文本间时间进行自动计算及时间信息补全的策略。基本都是使用正则表达式进行匹配后直接输出，未归一的日期数据主要有以下缺点：

1.相对时间的信息一般只能转换成一个时间长度或者直接漏掉，导致应有的日期信息缺失，文本中依赖日期信息的字段准召率都过低。

2.由于文本信息内存在大量的简写(18年3月1日)、缩写(2018-1-2、3.4)或者中文描述(五月六日、六个半月前)的情况，直接输出的实体往往会有信息不全的情况，使得该字段无法标准化，从而无法进行统计、搜索等操作。

3.文本中的书写模式可能会造成很大的歧义，原文输出内容只能是符合条件的原始文本，往往结果非常乱，需要对原文进行分析和预测才能尽可能多地还原出最大的信息。

另外，相关技术还提供了利用机器学习的方式实现时间数据的归一化，但是要达到较高的归一化准确率，需针对不同类型的自然语言文本进行超大量人工标注，仍然需要较大量的人力物力。

针对相关技术中所存在的上述问题，本技术方案提供了一种时间数据的归一化方法及装置，计算机存储介质和电子设备。以下先对时间数据的归一化方法进行说明：

图1示出了根据本公开的实施例的时间数据的归一化方法的流程示意图。本实施例提供的时间数据的归一化方法，至少在一定程度上克服现有技术中存在的上述问题。其中，本实施例提供的时间数据的归一化方法的执行主体可以是具有计算处理功能的设备，比如服务器等。

参考图1，本实施例提供的时间数据的归一化方法包括：

步骤S110，识别医疗数据文本以获取原始时间实体；以及，

步骤S120，判读所述原始时间实体的时间类型，若所述原始时间实体的时间类型为相对时间，则确定所述原始时间实体的时间基准，并基于所述时间基准确定绝对时间，得到归一化后的时间实体。

在图1所示实施例的技术方案中，首先通过识别医疗数据文本以获取原始时间实体并判读该原始时间实体的时间类型，对于类型为相对时间的原始时间实体，则确定其的时间基准，并基于上述时间基准确定绝对时间，得到归一化后的时间实体。本技术方案能够基于语义逻辑得出的基准时间，自动计算、补全并最终归一化的标准时间实体，进而便于应用于统计分析等各种科研场景。相较于相关技术中人工进行时间实体归一化的方式，本技术方案处理效率高，而且节省人力物力。

以下对图1中所示的各个步骤的实现细节进行详细阐述：

在示例性的实施例中，在步骤S110中上述医疗数据文本可以是病例、病种试验数据或是药品试验数据等等。本步骤中通过识别上述医疗数据文本得到原始时间实体。示例性的，上述原始时间实体可以是：“20180102”、“2018-1-2、3-4”、“2018.1、3日”“3个月前”、“两天后”或者“2018.1、3月”等。

在示例性的实施例中，图2示出了根据本公开的实施例的原始时间实体的获取方法的流程示意图。参考图2，该图所示的原始时间实体的获取方法包括步骤S210-步骤S230。

其中，在步骤S210中识别医疗数据文本；进一步地，通过步骤S221、步骤S222和步骤S223中的至少一个步骤，然后，在步骤S230中得到所述原始时间实体。

在示例性的实施例中，在步骤S221中，通过识别医疗数据文本，获取连续数字的数量大于第一阈值的第一文本，以作为所述原始时间实体。

示例性的，上述第一阈值可以取值为7，则连续数字的数量大于7的文本，如“20180102”可以作为上述原始时间实体。具体的，其将会被识别2018年1月2日。然而，连续数字的数量小于或等于7的文本，如“2018012”，则可能是医院内部的一些编码方式，而不是真正的日期，所以会被直接过滤(即不可以作为上述原始时间实体)，而不做任何处理。

在示例性的实施例中，在步骤S222中，通过识别医疗数据文本，获取相邻数值之间包含预设标点符号的第二文本，以作为所述原始时间实体。

示例性的，上述所述预设标点符号包括以下信息中的至少一种：顿号、冒汗、点号、斜杠或横杠。

示例性的，上述预设标点符号为“顿号”和“横杠”时，获取的原始时间实体可以是：“2018-1-2、3-4”。具体的，其将会被识别为：2018年1月2日和2018年3月4日。

示例性的，上述预设标点符号为“点号”、“顿号”和“横杠”时，获取的原始时间实体可以是：“2018-1-2、3.4”。具体的，其将会被识别为：2018年1月2日和2018年3月4日。

示例性的，上述预设标点符号为“点号”和“横杠”时，获取的原始时间实体可以是：“2018-1.3”。具体的，其将会被识别为：2018年1月3日。

示例性的，上述预设标点符号为“点号”和“顿号”时，获取的原始时间实体可以是：“2018.1、3”。具体的，其将会被识别为：2018年1月3日。

示例性的，上述预设标点符号为“点号”和“顿号”时，获取的原始时间实体可以是：“2018.1、3”。具体的，其将会被识别为：2018年1月3日。

在示例性的实施例中，在步骤S223中，通过识别医疗数据文本，获取相邻数字之间包含预设关键字的第三文本，以作为所述原始时间实体。

示例性的，上述预设关键字包括以下信息中的至少一种：年、月、日、时、分、秒、第或天。

其中，对于包含关键字：“年、月、日、时、分或秒”，而不包含关键字“第”的原始时间实体一般作为绝对时间类型。对于包含关键字：“年、月、日、天、时、分或秒”，同时包含关键字“第”的原始时间实体一般作为相对时间类型。

在示例性的实施例中，医疗数据文本中同时包含上述步骤S222所述的预设标点符号，以及上述步骤S223中所述的关键字。

示例性的，医疗数据文本中同时包含的预设标点符号为“点号”和“顿号”，以及关键字为“月”时，获取的原始时间实体可以是：“2018.1、3月”。具体的，其将会被识别为：2018年1月和3月？日。

示例性的，医疗数据文本中同时包含的预设标点符号为“点号”、“顿号”、“斜杠”和“横杠”，以及关键字为“日”时，获取的原始时间实体可以是：“2018.1、3日”、“2018.1-3日”和“2018.1/3日”。具体的，其将均会被识别为：2018年1月3日。

在示例性的实施例中，通过步骤S221、步骤S222或步骤S223中任意一种具体实施方式，可以在步骤S230中得到原始时间实体，以用于下述实施例中对原始时间实体的操作。

通过图2所示的实施例，本技术方案通过识别医疗数据文本的方式确定了原始时间实体。具体的，根据原始时间实体类型的不同，包括：类型为绝对时间的第一原始时间实体，以及类型为相对时间的第二原始时间实体。以下分别对两种类型的时间实体的进一步归一化处理方式分别进行介绍：

在示例性的实施例中，通过步骤S110对应的实施例确定原始时间实体之后，本技术方案判读该原始时间实体的时间类型。示例性的，若原始时间实体的时间类型为绝对时间，则对原始时间实体进行格式归一化。

需要说明的是，为了便于说明，本文将时间类型为绝对时间的原始时间实体记作“第一原始时间实体”，将时间类型为相对时间的原始时间实体记作“第二原始时间实体”。

在示例性的实施例中，图3示出了根据本公开的实施例的第一原始时间实体的格式归一化方法的流程示意图。参考图3，该图所示方法包括步骤S310-步骤S340。

步骤S310，在所述第一原始时间实体中获取位于第一关键字前的第一数值；

步骤S320，判断所述第一数值是否属于第一取值范围，其中，所述第一取值范围是根据所述第一关键字确定的；

响应于所述第一数值属于所述第一取值范围，则执行步骤S330，对所述第一数值和所述第一关键字进行格式归一化；响应于所述第一数值不属于所述第一取值范围，则执行步骤S340，舍弃所述第一原始时间实体。

示例性的，在上述第一关键字为“年”的情况下，上述第一取值范围为小于当前年份的数值范围，例如，当前年份为2019年，则上述第一取值范围可以是[1950-2019]，为了考虑到年份简写，则上述第一取值范围还可以是[50-99]以及[00-19]。从而，在第一原始时间实体中获取位于第一关键字“年”前的第一数值，根据上述第一数值是否属于上述第一取值范围的判断结果，确定给第一原始时间实体是否有效。

具体的，若上述第一数值不属于上述第一取值范围，则直接舍弃。若上述第一数值属于上述第一取值范围，则需继续判断在上述第一关键字依次为“月”、“日”、“时”、“分”和“秒”的情况下，上述第一原始时间实体是否满足各个取值范围。

示例性的，在上述第一关键字为“月”的情况下，上述第一取值范围为[01-12]。从而，在第一原始时间实体中获取位于第一关键字“月”前的第一数值，根据上述第一数值是否属于上述第一取值范围的判断结果，确定给第一原始时间实体是否有效。

同理，根据上述判断方法对第一关键字为“日”、“时”、“分”和“秒”的情况下逐一判断，在判断结果均符合各个情况下的取值范围时，说明上述第一原始时间实体为有效实体。则根据实际需要对其进行格式归一化。例如，统一时间表达格式为：“xxxx-xx-xx”，或“aaaa年aa月aa日”等。以统一绝对时间类型的实体表达方式，以便于应用于统计分析等各种科研场景。

在示例性的实施例中，为了进一步提升时间实体的表述准确度，医疗数据文本中的日期描述不完整，则在对第一原始时间实体进行格式归一化之后，还需根据实际需要进行实体补全。示例性的，将通过图3所示实施例进行格式归一化之后的时间实体记作“中间实体”。图4示出了根据本公开的实施例对上述中间实体的实体补全方法的流程示意图。参考图4，该图所示方法包括：

步骤S410，在所述医疗数据文本中获取距离所述第一原始时间实体预设距离范围内的参考时间实体；以及，步骤S420，根据所述参考时间实体对格式归一化后的中间实体进行实体补全。

在示例性的实施例中，根据上述参考时间实体中的数值对待补全实体进行补全：

示例性的，文本中经常会有这样的描述：2018.8.6行xxxx手术，9.10行xxxx手术。其中，9.10在日期实体识别的时候，就被当做是一个有效的日期时间了，并且在归一的时候，可以归一成了？年9月10日，此时，本技术方案还需对其“年份”进行实体补全。

对于此种情况，则在步骤S410中在上述医疗数据文本中获取距离该第一原始时间实体预设距离范围内的参考时间实体，如：找到2018年8月6日。

进一步地，在步骤S420中，根据上述参考时间实体对格式归一化后的中间实体进行实体补全补全为：2018年9月10日。

在示例性的实施例中，为了保证补全后的实体所表达时间的准确度，实体补全只补全到该段日期的第一个非问号值。例如：不会对“2018年？月？日”进行实体补全；“？年9月？日”只会补全成“2018年9月？日”。

示例性的，待补全实体“？年？月10日”的补全规则会分情况讨论：如果待补全实体前的文本中存在一个日期“2018年？月？日”，程序检查到补全成“2018年？月10日”是个非法日期，则直接过滤掉上述待补全实体；如果待补全实体前的文本中存在一个日期是“2018年9月？日”，则会将待补全实体补全成“2018年9月10日”；如果待补全实体前的文本中存在一个日期是“2018年9月8日”，则补全为“2018年9月10日”。

在示例性的实施例中，根据上述参考时间实体中的关键字对待补全实体进行补全：

示例性的，待补充实体为“50-99年”，若在其预设距离内的文本中包含关键字“年”，则将上述待补充实体补全为：“1950-1999年”。

在示例性的实施例中，对上述第一原始时间实体进行格式归一化处理以及实体补全处理之后，便可以得到归一化后的第一时间实体。

在完成对绝对时间类型的第一原始时间实体的处理之后，以下对相对时间类型的“第二原始时间实体”的处理进行介绍：

在示例性的实施例中，图5示出了根据本公开的实施例的第二原始时间实体的时间基准的确定方法的流程示意图，具体可以作为步骤S120的一种具体实施方式。参考图5，该图所示方法包括步骤S511/步骤S512，以及步骤S520和步骤S530。

在步骤S511中，在所述医疗数据文本中，获取距离所述第二原始时间实体预设距离范围内的时间类型为绝对时间的实体作为所述时间基准；或，在步骤S512中，根据所述医疗数据文本的生成日期确定所述时间基准。

在示例性的实施例中，关于相对时间类型的第二原始时间实体的基准时间的定位主要包括以下三种类型：

①基准时间为病历记录当天时间：病历记录时间：2014-12-2800:00:00。患者自2000年绝经。3个月前无明显诱因出现腹胀、腹围增大，下腹部轻压痛(三个月前是以病历记录时间的三个月前算的)。

②基准时间为医疗数据文本中距离上述第二原始时间实体最近时间：患者2008年1月1日开始出现左脚颤动…….。第10天左手颤动，生活可勉强自理。15天后右手颤动，自觉颈部发硬，抬不起头，洗脸、刷牙、洗澡等需要人帮助。2年后出现右脚颤动。(第十天以患者2008年1月1日计算，15天后、2年后以第十天得出的值进行计算)。

③基准时间为为医疗数据文本中距离上述第二原始时间实体最近绝对时间：2018年1月6日患儿因白细胞恢复延迟,第12天柔红霉素未应用,第19天复查骨穿。(第12天、第19天都以最近的绝对时间患者2008年1月6日计算)。

在步骤S520中，获取位于所述第二原始时间实体之后的第二关键字，其中，所述第二关键字包括以下信息中的至少一种：前、后、之间、第或之后；以及，在步骤S530中，根据所述第二关键字和所述时间基准计算所述第二原始时间实体对应的绝对时间。

在示例性的实施例中，计算所述第二原始时间实体对应的绝对时间的具体实施方式是，x天前使用第一类定位方式，x天后使用第二类定位方式，第x天使用第三种方式进行计算。其中，上述第一类定位方式可以是：时间基准减去相对时间段的计算方式。上述第二类定位方式可以是：时间基准与相对时间段相加的计算方式。上述第三类定位方式可以是：时间基准与相对时间段相加的计算方式。

在示例性的实施例中，由于相对时间往往不是一个非常准确的日期值，所以在计算上述第二原始时间实体对应的绝对时间时，可以采用一定的粗略计算。例如，涉及“一年前”的实体中，1年换算成365.25天；涉及“五个月后”的实体中，月换算成30.4375天。

在示例性的实施例中，根据基准时间对转换后的数值，调用python的datetime包计算对应的时间。

在示例性的实施例中，通过以上时间计算确定上述第二原始时间实体对应的绝对时间之后，需对时间实体的格式进行转换，将时间格式归一化为同一类型。例如，统一时间表达格式为：“xxxx-xx-xx”，或“aaaa年aa月aa日”等。以统一绝对时间类型的实体表达方式，以便于应用于统计分析等各种科研场景。

在示例性的实施例中，与上述第一原始时间实体的处理方式相似，本实施例中对于非完整的时间实体，如2018年？月？日，仍需要对时间做一个实体补全。其中，对于第二原始时间实体的实体补全方式与对第一原始时间实体的补全方式相同，则对第二原始时间实体的实体补全方式在此不再赘述。

通过图5所示实施例可以完成对相对时间类型的第二原始时间实体的处理，得到归一化后的第二时间实体。

本技术方案能够基于语义逻辑得出的基准时间，自动计算、补全并最终归一化的标准时间实体(即上述第一时间实体和第二时间实体)，进而方便地将上述第一时间实体和第二时间实体应用于统计分析等各种科研场景。相较于相关技术中人工进行时间实体归一化的方式，本技术方案处理效率高，而且节省人力物力。

本领域技术人员可以理解实现上述实施方式的全部或部分步骤被实现为由处理器(包含CPU和GPU)执行的计算机程序。例如，通过GPU实现对上述风险预测模型的模型训练，或者基于训练后的风险预测模型，使用CPU或GPU实现对待测对象的风险等级预测处理等。在该计算机程序被CPU执行时，执行本公开提供的上述方法所限定的上述功能。所述的程序可以存储于一种计算机可读存储介质中，该存储介质可以是只读存储器，磁盘或光盘等。

此外，需要注意的是，上述附图仅是根据本公开示例性实施方式的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。

以下介绍本公开的装置实施例，可以用于执行本公开上述的时间数据的归一化方法。

图6示出了根据本公开的实施例的时间数据的归一化装置的结构示意图，参考图6，本实施例提供的时间数据的归一化装置600，包括：实体识别模块601和第一实体归一化模块602。

其中，上述实体识别模块601用于：识别医疗数据文本以获取原始时间实体；上述第一实体归一化模块602用于：上述判读所述原始时间实体的时间类型，若所述原始时间实体的时间类型为相对时间，则确定所述原始时间实体的时间基准，并基于所述时间基准确定绝对时间，得到归一化后的时间实体。

在示例性的实施例中，基于前述方案，上述时间数据的归一化装置600，还包括：第二实体归一化模块。其中：

上述第二实体归一化模块用于：若所述原始时间实体的时间类型为绝对时间，则对所述原始时间实体进行格式归一化。

在示例性的实施例中，基于前述方案，上述实体识别模块601具体用于以下信息中的至少一种：

识别医疗数据文本，获取连续数字的数量大于第一阈值的第一文本作为上述原始时间实体；识别医疗数据文本，获取相邻数值之间包含预设标点符号的第二文本作为上述原始时间实体；和，识别医疗数据文本，获取相邻数字之间包含预设关键字的第三文本作为上述原始时间实体。

其中，在上述实体识别模块601具体用于：上述预设标点符号包括以下信息中的至少一种：顿号、冒汗、点号、斜杠或横杠；

在上述实体识别模块601具体用于识别医疗数据文本，上述预设关键字包括以下信息中的至少一种：年、月、日、时、分、秒、第或天。

在示例性的实施例中，基于前述方案，上述第二实体归一化模块包括：格式归一化子模块。

其中，上述格式归一化子模块用于：在上述原始时间实体中获取位于第一关键字前的第一数值；判断上述第一数值是否属于第一取值范围，其中，上述第一取值范围是根据上述第一关键字确定的；以及，响应于上述第一数值属于上述第一取值范围，则对上述第一数值和上述第一关键字进行格式归一化；

其中，上述第一关键字包括以下信息中的至少一种：年、月、日、时、分或秒。

在示例性的实施例中，基于前述方案，上述时间数据的归一化装置600，还包括：实体补全模块。

其中，上述实体补全模块用于：在上述格式归一化子模块对上述第一数值和上述第一关键字进行格式归一化之后，在上述医疗数据文本中获取距离上述原始时间实体预设距离范围内的参考时间实体；以及，根据上述参考时间实体对格式归一化后的中间实体进行实体补全。

在示例性的实施例中，基于前述方案，上述第一实体归一化模块包括：基准确定子模块。

其中，上述基准确定子模块用于：在上述医疗数据文本中，获取距离上述原始时间实体预设距离范围内的时间实体作为上述时间基准；或，用于根据上述医疗数据文本的生成日期确定上述时间基准。

在示例性的实施例中，基于前述方案，上述第一实体归一化模块包括：时间计算子模块。

其中，上述时间计算子模块用于：获取位于上述原始时间实体之后的第二关键字，其中，上述第二关键字包括以下信息中的至少一种：前、后、之间、第或之后；以及，根据上述第二关键字和上述时间基准计算上述原始时间实体对应的绝对时间。

由于本公开的示例实施例的时间数据的归一化装置的各个功能模块与上述时间数据的归一化方法的示例实施例的步骤对应，因此对于本公开装置实施例中未披露的细节，请参照本公开上述的时间数据的归一化方法的实施例。

图7示出了适于用来实现本公开实施例的电子设备的计算机系统的结构示意图。

需要说明的是，图7示出的电子设备的计算机系统700仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，计算机系统700包括处理器701(包括：图形处理单元(GraphicsProcessing Unit，简称：GPU)、中央处理单元(Central Processing Unit，简称：CPU))，其可以根据存储在只读存储器(Read-Only Memory，简称：ROM)702中的程序或者从存储部分708加载到随机访问存储器(Random Access Memory，RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有系统操作所需的各种程序和数据。处理器(CPU或GPU)701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(Input/Output，简称：I/O)接口705也连接至总线704。

以下部件连接至I/O接口705：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(Cathode Ray Tube，简称：CRT)、液晶显示器(Liquid Crystal Display，简称：LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如局域网(LocalArea Network，简称：LAN)卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，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710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708。

特别地，根据本公开的实施例，下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，本公开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709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器(CPU或GPU)701执行时，执行本申请的系统中限定的各种功能。

需要说明的是，本公开实施例所示的计算机可读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(Erasable Programmable Read Only Memory，简称：EPROM)、闪存、光纤、便携式紧凑磁盘只读存储器(Compact Disc Read-Only Memory，简称：CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

在本公开中，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。而在本公开中，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介质，该计算机可读介质可以发送、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、有线等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、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。

描述于本公开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介质，该计算机可读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上述实施例中所述的方法。

例如，所述的电子设备可以实现如图1中所示的：步骤S110，识别医疗数据文本以获取原始时间实体；以及，步骤S120，判读所述原始时间实体的时间类型，若所述原始时间实体的时间类型为相对时间，则确定所述原始时间实体的时间基准，并基于所述时间基准确定绝对时间，得到归一化后的时间实体。

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，根据本公开的实施方式，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，根据本公开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、服务端、触控终端、或者网络设备等)执行根据本公开实施方式的方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、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公开的一般性原理并包括本公开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，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开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。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种时间数据的归一化方法，其特征在于，包括：

识别医疗数据文本以获取原始时间实体；

判读所述原始时间实体的时间类型，若所述原始时间实体的时间类型为相对时间，则确定所述原始时间实体的时间基准，并基于所述时间基准确定绝对时间，得到归一化后的时间实体。

2.根据权利要求1所述的时间数据的归一化方法，其特征在于，该方法还包括：

若所述原始时间实体的时间类型为绝对时间，则对所述原始时间实体进行格式归一化。

3.根据权利要求1或2所述的时间数据的归一化方法，其特征在于，识别医疗数据文本以获取原始时间实体，包括以下步骤中的至少一种：

识别医疗数据文本，获取连续数字的数量大于第一阈值的第一文本作为所述原始时间实体；

识别医疗数据文本，获取相邻数值之间包含预设标点符号的第二文本作为所述原始时间实体；

识别医疗数据文本，获取相邻数字之间包含预设关键字的第三文本作为所述原始时间实体；

其中，所述预设标点符号包括以下信息中的至少一种：顿号、冒汗、点号、斜杠或横杠；

所述预设关键字包括以下信息中的至少一种：年、月、日、时、分、秒、第或天。

4.根据权利要求2所述的时间数据的归一化方法，其特征在于，对所述原始时间实体进行格式归一化，包括：

在所述原始时间实体中获取位于第一关键字前的第一数值；

判断所述第一数值是否属于第一取值范围，其中，所述第一取值范围是根据所述第一关键字确定的；

响应于所述第一数值属于所述第一取值范围，则对所述第一数值和所述第一关键字进行格式归一化；

其中，所述第一关键字包括以下信息中的至少一种：年、月、日、时、分或秒。

5.根据权利要求4所述的时间数据的归一化方法，其特征在于，在对所述第一数值和所述第一关键字进行格式归一化之后，所述方法还包括：

在所述医疗数据文本中获取距离所述原始时间实体预设距离范围内的参考时间实体；

根据所述参考时间实体对格式归一化后的中间实体进行实体补全。

6.根据权利要求1所述的时间数据的归一化方法，其特征在于，所述确定所述原始时间实体的时间基准，包括：

在所述医疗数据文本中，获取距离所述原始时间实体预设距离范围内的时间类型为绝对时间的实体作为所述时间基准；或，

根据所述医疗数据文本的生成日期确定所述时间基准。

7.根据权利要求6所述的时间数据的归一化方法，其特征在于，所述基于所述时间基准确定绝对时间，包括：

获取位于所述原始时间实体之后的第二关键字，其中，所述第二关键字包括以下信息中的至少一种：前、后、之间、第或之后；

根据所述第二关键字和所述时间基准计算所述原始时间实体对应的绝对时间。

8.一种时间数据的归一化装置，其特征在于，包括：

实体识别模块，用于识别医疗数据文本以获取原始时间实体；

第一实体归一化模块，用于判读所述原始时间实体的时间类型，若所述原始时间实体的时间类型为相对时间，则确定所述原始时间实体的时间基准，并基于所述时间基准确定绝对时间，得到归一化后的时间实体。

9.一种计算机可读介质，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7中任一项所述的时间数据的归一化方法。

10.一种电子设备，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7中任一项所述的时间数据的归一化方法。

Images