CN111091915A - 医疗数据处理方法及装置、存储介质、电子设备 - Google Patents

Abstract

本发明实施例是关于一种医疗数据处理方法及装置、存储介质、电子设备，涉及医疗大数据处理技术领域，该方法包括：根据待处理医疗数据得到多个目标语句，并根据各所述目标语句得到多个标准词；对各所述标准词进行词聚类得到多个聚类结果；根据各所述聚类结果得到所述待处理医疗数据中所包括的实体属性以及与各所述实体属性对应的属性值。本发明实施例提高了实体属性以及与各实体属性对应的属性值的准确率。

Description

医疗数据处理方法及装置、存储介质、电子设备

技术领域

本发明实施例涉及医疗大数据处理技术领域，具体而言，涉及一种医疗数据处理方法、医疗数据处理装置、计算机可读存储介质以及电子设备。

背景技术

随着医疗健康服务不断的向信息化和智能化发展，临床医疗数据得到了大量的积累。这些临床医疗数据中蕴含着大量丰富的医疗知识和患者的健康信息，并且这些知识和信息可以极大的促进医疗知识在循证医疗、辅助临床以及医疗决策的方面的创新和发展。由于非结构化的临床医疗数据中包含着大量的专业术语，因此，医疗实体及其属性的抽取便成为了挖掘医疗知识的重要步骤。

在现有的医疗实体及其属性的抽取方法中，大多数都是采用已定义好属性类型以及标准训练语料，然后通过序列标注算法，直接识别出预定义的目标信息。

但是，上述方法存在如下缺陷：一方面，由于人工定义的属性类型中所包括的属性类型不完整，进而引起目标信息不能被识别的问题；另一方面，由于人工定义的属性类型以及标准训练语料存在主观性，因此会导致目标信息的识别结果的准确度较低。

因此，需要提供一种新的医疗数据处理方法及装置。

需要说明的是，在上述背景技术部分发明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

本发明的目的在于提供一种医疗数据处理方法、医疗数据处理装置、计算机可读存储介质以及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的目标信息的识别结果的准确度较低的问题。

根据本公开的一个方面，提供一种医疗数据处理方法，包括：

根据待处理医疗数据得到多个目标语句，并根据各所述目标语句得到多个标准词；

对各所述标准词进行词聚类得到多个聚类结果；

根据各所述聚类结果得到所述待处理医疗数据中所包括的实体属性以及与各所述实体属性对应的属性值。

在本公开的一种示例性实施例中，根据待处理医疗数据得到多个目标语句包括：

在确定所述待处理医疗数据中的句子为按照预设符号结尾的句子时，对所述按照预设符号结尾的句子进行切分，得到多个初始语句；

在确定任一所述初始语句中包括实体属性时，将所述初始语句作为所述目标语句。

在本公开的一种示例性实施例中，根据各所述目标语句得到多个标准词包括：

对各所述目标语句进行切分得到多个分词结果，并根据各所述分词结果在所述目标语句中的位置得到各所述分词结果之间的句法关系；

根据各所述分词结果的词性标识以及各所述分词结果之间的句法关系，得到各所述目标语句对应的分词结果是否需要拼接的判断结果；

如果所述判断结果为是，则对各所述分词结果进行拼接得到多个所述标准词。

在本公开的一种示例性实施例中，根据各所述分词结果的词性标识以及各所述分词结果之间的句法关系，得到各所述目标语句对应的分词结果是否需要拼接的判断结果包括：

根据第一校验规则对各所述分词结果的词性标识进行校验得到词性校验结果；其中，所述第一校验规则为各所述分词结果的相邻词之间的词性模式满足动词修饰名词、名词修饰名词、动词修饰形容词以及副词修饰动词中的任意一种；

根据第二校验规则对各所述分词结果之间的句法关系进行校验得到句法关系校验结果；其中，所述第二校验规则为各所述分词结果的相邻词之间的句法关系满足定中关系、动补关系以及状中关系的任意一种；

根据所述词性校验结果和/或所述句法关系校验结果，得到各所述目标语句对应的分词结果是否需要拼接的判断结果。

在本公开的一种示例性实施例中，如果所述词性校验结果为任一所述分词结果的相邻词之间的词性模式满足动词修饰名词、名词修饰名词、动词修饰形容词以及副词修饰动词中的任意一种，则所述判断结果为是；和/或

如果所述句法关系校验结果为任一所述分词结果的相邻词之间的满足定中关系、动补关系以及状中关系的任意一种，则所述判断结果为是。

在本公开的一种示例性实施例中，对各所述标准词进行词聚类得到多个聚类结果包括：

基于文档主题生成技术对各所述标准词进行词聚类，得到多个聚类结果；其中，所述聚类结果包括所述待处理医疗数据中所包括的主题、所述主题的概率分布以及所述主题中所包括的标准词。

在本公开的一种示例性实施例中，所述医疗数据处理方法还包括：

根据各所述聚类结果中所包括的标准词以及与各所述聚类结果所属的主题之间的关联值的大小，对各所述聚类结果中所包括的标准词进行清洗。

根据本公开的一个方面，提供一种医疗数据处理装置，包括：

标准词确定模块，用于根据待处理医疗数据得到多个目标语句，并根据各所述目标语句得到多个标准词；

标准词聚类模块，用于对各所述标准词进行词聚类得到多个聚类结果；

实体属性以及属性值确定模块，用于根据各所述聚类结果得到所述待处理医疗数据中所包括的实体属性以及与各所述实体属性对应的属性值。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任意一项所述的医疗数据处理方法。

根据本公开的一个方面，提供一种电子设备，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行上述任意一项所述的医疗数据处理方法。

本发明实施例提供的一种医疗数据处理方法及装置，一方面，通过根据待处理医疗数据得到多个目标语句，并根据各目标语句得到多个标准词；然后对各标准词进行词聚类得到多个聚类结果；最后根据各聚类结果得到待处理医疗数据中所包括的实体属性以及与各实体属性对应的属性值，解决了现有技术中由于人工定义的属性类型以及标准训练语料存在主观性，因此会导致目标信息的识别结果的准确度较低，提高了实体属性以及与各实体属性对应的属性值的准确率；另一方面，解决了现有技术中由于人工定义的属性类型中所包括的属性类型不完整，进而引起目标信息不能被识别的问题，使得待处理医疗数据中所有的实体属性以及与各实体属性对应的属性值都能被识别出来；再一方面，通过根据待处理医疗数据得到多个目标语句，并根据各目标语句得到多个标准词，提高了标准词的精确度，进而提高了聚类结果的准确率，同时进一步的提升了实体属性以及与各实体属性对应的属性值的精确度。

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。

图1示意性示出根据本发明示例实施例的一种医疗数据处理方法的流程图。

图2示意性示出根据本发明示例实施例的一种判断各所述初始语句中是否包括实体属性的方法流程图。

图3示意性示出根据本发明示例实施例的另一种医疗数据处理方法的流程图。

图4示意性示出根据本发明示例实施例的一种分词结果及其对应的词性以及句法关系示例图。

图5示意性示出根据本发明示例实施例的另一种医疗数据处理方法的流程图。

图6示意性示出根据本发明示例实施例的一种医疗数据处理装置的框图。

图7示意性示出根据本发明示例实施例的一种用于实现上述医疗数据处理方法的电子设备。

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。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方式中。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方式的充分理解。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省略所述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技术方案以避免喧宾夺主而使得本发明的各方面变得模糊。

此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。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。

以下，首先对本发明实例实施例中涉及的名词进行解释以及说明。

医疗实体：通常指医学术语类型，如解剖部位、诊断、症状、手术、药品、检查等。

实体属性：指医疗实体某项特性。

属性值：实体某项属性具体的值。

医疗实体、实体属性以及属性值之间的关系可以如下表1所示：

表1

进一步的，对于一项特定的医疗实体，其属性空间是随着场景而变的，比如某些甲状腺超声的影像医生会关注形态，有些会关注成分，有些会关注结节大小等。并且这些不同医院、不同科室对同一项属性的文本描述形式多种多样，因此如何快速的从一类文本出挖掘出特定实体的属性及其属性值的词表，是知识图谱构建、结构化、归一等后续任务的重要基础。

本示例实施方式中首先提供了一种医疗数据处理方法，该方法可以运行于服务器、服务器集群或云服务器等，也可以运行于终端设备；当然，本领域技术人员也可以根据需求在其他平台运行本发明的方法，本示例性实施例中对此不做特殊限定。参考图1所示，该医疗数据处理方法可以包括以下步骤：

步骤S110.根据待处理医疗数据得到多个目标语句，并根据各所述目标语句得到多个标准词。

步骤S120.对各所述标准词进行词聚类得到多个聚类结果。

步骤S130.根据各所述聚类结果得到所述待处理医疗数据中所包括的实体属性以及与各所述实体属性对应的属性值。

其中，本发明实施例中，标准词具体为预设格式的实体，如包括实体属性或者属性值，也可以包括实体属性和属性值的修饰词。

上述医疗数据处理方法中，一方面，通过根据待处理医疗数据得到多个目标语句，并根据各目标语句得到多个标准词；然后对各标准词进行词聚类得到多个聚类结果；最后根据各聚类结果得到待处理医疗数据中所包括的实体属性以及与各实体属性对应的属性值，解决了现有技术中由于人工定义的属性类型以及标准训练语料存在主观性，因此会导致目标信息的识别结果的准确度较低，提高了实体属性以及与各实体属性对应的属性值的准确率；另一方面，解决了现有技术中由于人工定义的属性类型中所包括的属性类型不完整，进而引起目标信息不能被识别的问题，使得待处理医疗数据中所有的实体属性以及与各实体属性对应的属性值都能被识别出来；再一方面，通过根据待处理医疗数据得到多个目标语句，并根据各目标语句得到多个标准词，提高了标准词的精确度，进而提高了聚类结果的准确率，同时进一步的提升了实体属性以及与各实体属性对应的属性值的精确度。。

以下，将结合附图对本发明示例实施例医疗数据处理方法中涉及的各步骤进行详细的解释以及说明。

在步骤S110中，根据待处理医疗数据得到多个目标语句，并根据各所述目标语句得到多个标准词。

在本示例实施例中，首先，根据待处理医疗数据得到多个初始语句，具体的可以包括：在确定所述待处理医疗数据中的句子为按照预设符号结尾的句子时，对所述按照预设符号结尾的句子进行切分，得到多个所述初始语句。详细而言：

可以以句子为单位，将病理中的长文本进行句子切分。其中，预设符号例如可以包括句号、感叹号、分号、问号等可以表示一个句子已经结束了的符号。

譬如，当待处理数据为：甲状腺:左侧叶约13×8mm，右侧叶约12×11mm，峡部厚3mm；大小、形态正常，边界清，内部实质回声欠均匀，左侧叶下极近峡部可见一实性低回声结节，大小约8×5×6mm，纵横比>1，形态不规则，边界不清，内回声不均，可见强回声斑，后方回声衰减，后被膜回声显示欠清。右侧叶未见明确肿物回声。CDFI：上述左侧叶结节内未见明确血流信号。左侧颈部III区、IV区可见数个小淋巴结回声，较大约10×4mm(III区)、5×3mm(IV区)，边界清，椭圆形，皮髓质分界清，淋巴结门未探及。其余分区未见明确异常淋巴结回声。CDFI：上述淋巴结内可见点状血流信号。右侧颈部未见异常淋巴结肿大回声。最终得到的初始语句可以如下表2所示：

表2

进一步的，当得到上述多个初始语句以后，可以根据各初始语句得到多个目标语句，具体的可以包括：首先，判断各所述初始语句中是否包括实体属性；其次，在确定任一所述初始语句中包括所述实体属性时，将所述初始语句作为所述目标语句。其中，参考图2所示，判断各所述初始语句中是否包括实体属性可以包括步骤S210以及步骤S220，以下进行详细说明。

在步骤S210中，将各所述初始语句依次输入至二分类模型中得到输出结果。

在步骤S220中，根据各所述初始语句的输出结果，判断各所述初始语句中是否包括实体属性。

以下，将对步骤S210-步骤S220进行解释说明。

首先，对上述二分类模型进行解释说明。该二分类模型可以用于对包括实体属性的初始语句以及不包括实体属性的初始语句进行分类。其中，该二分类模型可以包括决策树模型、支持向量机模型以及循环神经网络模型等等，也可以是其他具有分类作用的模型，本示例对此不做特殊限制。进一步的，在对二分类模型的训练过程中，需要通过人工对多个训练数据的二分类标签进行标注，然后利用标注好的训练数据对该而二分类模型进行训练。

进一步的，可以将将各所述初始语句依次输入至二分类模型中得到输出结果，然后根据各初始语句的输出结果，判断各初始语句中是否包括实体属性。譬如，如果输出结果为positive，则可以判断该初始语句中包括实体属性；如果输出结果为negtive，则可以判断该初始语句中不包括实体属性。

更进一步的，在判断出各初始语句中是否包括实体属性后，可以将包括实体属性的初始语句作为目标语句，得到上述多个目标语句。

此处需要进一步补充说明的是，为了可以提高各初始语句的判断效率以及判断结果的准确率，可以对各初始语句进行预处理。譬如，当初始语句中存在与属性无关的文本时，如病程、现病史等，可以把其中可能包含属性的句子筛选出来，然后对其他无关的文本进行删除。

进一步的，当得到上述多个目标语句以后，可以根据目标语句得到多个标准词。具体的，参考图3所示，根据各目标语句得到多个标准词可以包括步骤S310-步骤S330，以下进行详细说明。

在步骤S310中，对各所述目标语句进行切分得到多个分词结果，并根据各所述分词结果在所述目标语句中的位置得到各所述分词结果之间的句法关系。

在本示例实施例中，首先，对各目标语句进行切分得到多个分词结果；其中，该分词结果可以包括实体属性分词结果以及属性值分词结果。具体的：

实体属性分词结果：一般是实体的某一属性或者属性的细化内容，汉语表达中通常以后缀的形式表示，如“内部回声”，“实质回声”，“淋巴结回声”，“肌层回声”，“管腔边缘”，“腺体边缘”，“病灶边缘”，“瓣膜形态”等。这类实体属性是切分粒度定制的目标，一般是以修饰词+基本属性的形式进行呈现的，因此可以将基本属性定制为后缀，作为后续候选合并检验步骤的输入。同类型的，例如还可以包括“成分”，“形态”以及“速度”等等。

属性值：除了简单的形容词之外，部分属性值有自己特殊的表现，以短语的形式表达具体值，如：“欠均匀”，“难辨”等。这类短语在正常分词工具中，通常会切成更细的粒度，进而在后续词统计分析任务中转义。这类短语一般句法形式是动词与形容词补语、动词与动词状语、形容词与成都副词，定制动词或副词前缀词，如“欠”，“难”，“不”等。

此处需要补充说明的是，中文分词是中文文本分析的一项基本技术，是后续其他各项分析的基础。并且，词是中文语义表达的基本单位，不同的切分粒度词，表意能力不一样。如“欠均匀”，“实质回声”作为一个短语词可以更好的表示“甲状腺超声”的属性(实质回声)和值(欠均匀)。此处需要补充说明的是，为了便于后续的分析，本发明示例实施例选取的是细粒度分词器，进而使得再对分词结果的拼接时，使得得到的标准词的精确度更高。

进一步的，在本示例实施例中，当得到上述分词结果以后，可以根据各所述分词结果在所述目标语句中的位置得到各所述分词结果之间的句法关系。具体的，参考图4所示，例如，目标语句为：内部实质回声欠均匀，得到的分词结果为：“内部”，“实质”，“回声”，“欠”以及“均匀”，在各分词结果的词性标识分别为：(“内部”，“n”)，(“实质”，“n”)，(“回声”，“n”)，(“欠”，“v”)以及(“均匀”，“a”)；进一步的，内部与回声之间的句法关系例如可以是ATT，实质与回声之间的关系也可以是ATT等等。此处需要补充说明的是，“欠”可以是基本属性。此处需要补充说明的是，上述n表示名词，v表示动词，a表示形容词；进一步的，可以利用SBV表示主谓关系，ATT表示修饰关系，CMP表示动补关系等。

在步骤S320中，根据各所述分词结果的词性标识以及各所述分词结果之间的句法关系，得到各所述目标语句对应的分词结果是否需要拼接的判断结果。

在本示例实施例中，首先，根据第一校验规则对各所述分词结果的词性标识进行校验得到词性校验结果；其中，所述第一校验规则为各所述分词结果的相邻词之间的词性模式满足动词修饰名词、名词修饰名词、动词修饰形容词以及副词修饰动词中的任意一种；其次，根据第二校验规则对各所述分词结果之间的句法关系进行校验得到句法关系校验结果；其中，所述第二校验规则为各所述分词结果的相邻词之间的句法关系满足定中关系、动补关系以及状中关系的任意一种；最后，根据所述词性校验结果和/或所述句法关系校验结果，得到各所述目标语句对应的分词结果是否需要拼接的判断结果。

另外，如果所述词性校验结果为任一所述分词结果的相邻词之间的词性模式满足动词修饰名词、名词修饰名词、动词修饰形容词以及副词修饰动词中的任意一种，则所述判断结果为是；和/或如果所述句法关系校验结果为任一所述分词结果的相邻词之间的满足定中关系、动补关系以及状中关系的任意一种，则所述判断结果为是。

具体的，首先，当实体属性分词结果的待合并的粒度相邻前后词的词性满足如下词性模式(第一校验规则)，才可以进行拼接步骤。譬如，动词v修饰名词n，如：射血v系数n；又譬如，名词n修饰名词n，如：实质n回声n等等。

其次，当属性值分词结果的相邻前后词的词性满足如下词性模式(第一校验规则)时，进行后续的拼接步骤：譬如，动词v+形容词a，如：欠v均匀a；又譬如，副词ad+动词v，如：难ad辨v等等。

进一步的，当实体属性分词结果的组成模式为“修饰词+基本属性”时，需要满足如下句法依存关系(第二校验规则)，符合此类关系的可以进行拼接。譬如，定中关系(ATT)，两个词合并，相邻前词修饰后词，如“实质回声”。

更进一步的，当属性值分词结果的组成模式为状态动词+动作动词或形容词时，需要满足如下句法依存关系(第二校验规则)，符合此类关系的可以进行拼接。譬如，动补结构(CMP)，两个词合并，相邻前词支配后词，如“欠均匀”；又譬如，状中结构(ADV)，两个词合并，相邻后词支配前词，如“难辨”等等。

在步骤S330中，如果所述判断结果为是，则对各所述分词结果进行拼接得到多个所述标准词。

在本示例实施例中，如果上述判断结果为是，则可以将满足检验条件的相邻词进行合并。譬如，对于目标语句为“内部实质回声欠均匀”，对应的标准词可以包括“内部实质回声欠均匀”等等，也就是说该标准词中，既可以单独的包括实体属性或者属性值，也可以包括实体属性或者属性值的修饰词。通过该方法，可以尽可能的把实体属性、属性值短语及其相邻的修饰词合并成一个词，便于后续通过MG-LDA方法进行词聚类。此处需要补充说明的是，如果判断结果为否，则可以直接将讲述分词结果作为标准词。

在步骤S120中，对各所述标准词进行词聚类得到多个聚类结果。

在本示例实施例中，可以基于文档主题生成技术对各所述标准词进行词聚类，得到多个聚类结果；其中，所述聚类结果包括所述待处理医疗数据中所包括的主题、所述主题的概率分布以及所述主题中所包括的标准词。

具体的，首先，可以基于文档主题生成技术对各标准词进行词聚类，得到多个聚类结果；其中，基于文档主题生成技术可以为无监督机器学习模型，例如可以是多粒度MG-LDA(multi-grain LDA)模型；其中，LDA(Latent Dirichlet Allocation)是一种非监督机器学习技术，可以用来识别大规模文档集中潜藏的主题信息，这种方法将每一篇文档视为一个词频向量，从而将文本信息转化为了易于建模的数字信息。每一篇文档代表了一些主题所构成的一个概率分布，而每一个主题又代表了很多单词所构成的一个概率分布。多粒度MG-LDA(multi-grain LDA)模型可以区分全局主题和局部主题，可以挖掘出句子层面的隐含topic。

进一步的，得到的聚类结果可以如下所示：

Set1：“回声”，“组织回声”，“实质回声”，“结节回声”，“片状回声”，“团状回声”等；

Set2：“欠均匀”，“不均匀”，“均匀”，“尚均匀”，“清晰”，“显示清晰”等。

此处需要补充说明的是，词聚类也可以通过词向量或者编辑距离的方式进行实现，本示例对此不做特殊限制。

进一步的，当得到聚类结果后，可以对聚类结果所属的主题进行标注；其中，可以通过主题模型对各聚类结果所属的主题进行标注，该主题模型(topic model)是以非监督学习的方式对文集的隐含语义结构(latent semantic structure)进行聚类(clustering)的统计模型。譬如，Set1可以标注为超声检查实体的属性“回声”，Set2可以标注为回声属性的值。

然后，再根据各所述聚类结果中所包括的标准词以及与各所述聚类结果所属的主题之间的关联值的大小，对各所述聚类结果中所包括的标准词进行清洗。通过该方法，可以进一步的提高聚类结果的准确率。

在步骤S130中，根据各所述聚类结果得到所述待处理医疗数据中所包括的实体属性以及与各所述实体属性对应的属性值。

在本示例实施例中，当得到上述聚类结果的标注结果后，可以根据各标注结果(各聚类结果所属的主题)，得到待处理医疗数据中所包括的所有的实体属性以及对应的属性值。

以下，结合图5对本发明实例实施例的医疗数据处理方法进行进一步的解释以及说明。参考图5所示，该医疗数据处理方法可以包括以下步骤：

步骤S510，对待处理病例的多个段落进行分句，得到多个初始语句；

步骤S520，对多个初始语句进行分类，得到多个目标语句；

步骤S530，对多个目标语句进行分词得到多个分词结果，并对各分词结果进行聚类得到多个聚类结果；

步骤S540，对各聚类结果所属的主题进行标注，并对标注后的聚类结果中所包括的分词结果进行筛选；

步骤S550，根据筛选完的聚类结果以及与聚类结果所属的主题，得到各待处理病例中所包括的实体属性以及属性值。

此处需要进一步补充说明的是，如果待处理医疗数据的文本比较干净，也可以不进行句子切分和目标句子分类，直接对文本进行分词得到多个分词结果；并且，分词粒度定制可以采用一个序列标注模型，通过标注数据学习目标分词效果。

本发明示例实施例提供的医疗数据处理方法中，至少具有以下优点：

一方面，基于真实数据中实体属性的统计分布，可以尽可能全的召回实体属性；另一方面，通过分词粒度定制，召回的实体属性粒度表意更精准；再一方面，通过主题分析技术，半自动的聚类属性及其值的各种表示，相对于人工标注数据，极大减轻人工成本。

本发明示例实施例还提供了一种医疗数据处理装置。参考图6所示，该医疗数据处理装置可以包括标准词确定模块610、标准词聚类模块620以及实体属性以及属性值确定模块630。其中：

标准词确定模块610可以用于根据待处理医疗数据得到多个目标语句，并根据各所述目标语句得到多个标准词。

标准词聚类模块620可以用于对各所述标准词进行词聚类得到多个聚类结果。

实体属性以及属性值确定模块630可以用于根据各所述聚类结果得到所述待处理医疗数据中所包括的实体属性以及与各所述实体属性对应的属性值。

在本公开的一种示例性实施例中，根据待处理医疗数据得到多个目标语句包括：

在确定所述待处理医疗数据中的句子为按照预设符号结尾的句子时，对所述按照预设符号结尾的句子进行切分，得到多个初始语句；

在确定任一所述初始语句中包括实体属性时，将所述初始语句作为所述目标语句。

在本公开的一种示例性实施例中，根据各所述目标语句得到多个标准词包括：

对各所述目标语句进行切分得到多个分词结果，并根据各所述分词结果在所述目标语句中的位置得到各所述分词结果之间的句法关系；

根据各所述分词结果的词性标识以及各所述分词结果之间的句法关系，得到各所述目标语句对应的分词结果是否需要拼接的判断结果；

如果所述判断结果为是，则对各所述分词结果进行拼接得到多个所述标准词。

在本公开的一种示例性实施例中，根据各所述分词结果的词性标识以及各所述分词结果之间的句法关系，得到各所述目标语句对应的分词结果是否需要拼接的判断结果包括：

根据第一校验规则对各所述分词结果的词性标识进行校验得到词性校验结果；其中，所述第一校验规则为各所述分词结果的相邻词之间的词性模式满足动词修饰名词、名词修饰名词、动词修饰形容词以及副词修饰动词中的任意一种；

根据第二校验规则对各所述分词结果之间的句法关系进行校验得到句法关系校验结果；其中，所述第二校验规则为各所述分词结果的相邻词之间的句法关系满足定中关系、动补关系以及状中关系的任意一种；

根据所述词性校验结果和/或所述句法关系校验结果，得到各所述目标语句对应的分词结果是否需要拼接的判断结果。

在本公开的一种示例性实施例中，如果所述词性校验结果为任一所述分词结果的相邻词之间的词性模式满足动词修饰名词、名词修饰名词、动词修饰形容词以及副词修饰动词中的任意一种，则所述判断结果为是；和/或

如果所述句法关系校验结果为任一所述分词结果的相邻词之间的满足定中关系、动补关系以及状中关系的任意一种，则所述判断结果为是。

在本公开的一种示例性实施例中，对各所述标准词进行词聚类得到多个聚类结果包括：

基于文档主题生成技术对各所述标准词进行词聚类，得到多个聚类结果；其中，所述聚类结果包括所述待处理医疗数据中所包括的主题、所述主题的概率分布以及所述主题中所包括的标准词。

在本公开的一种示例性实施例中，所述医疗大数据处理装置还包括：

清洗模块，可以用于根据各所述聚类结果中所包括的标准词以及与各所述聚类结果所属的主题之间的关联值的大小，对各所述聚类结果中所包括的标准词进行清洗。

上述医疗数据处理装置中各模块的具体细节已经在对应的医疗数据处理方法中进行了详细的描述，因此此处不再赘述。

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。

此外，尽管在附图中以特定顺序描述了本发明中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或是必须执行全部所示的步骤才能实现期望的结果。附加的或备选的，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

在本发明的示例性实施例中，还提供了一种能够实现上述方法的电子设备。

所属技术领域的技术人员能够理解，本发明的各个方面可以实现为系统、方法或程序产品。因此，本发明的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

下面参照图7来描述根据本发明的这种实施方式的电子设备700。图7显示的电子设备700仅仅是一个示例，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7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：上述至少一个处理单元710、上述至少一个存储单元720、连接不同系统组件(包括存储单元720和处理单元710)的总线730以及显示单元740。

其中，所述存储单元存储有程序代码，所述程序代码可以被所述处理单元710执行，使得所述处理单元710执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。例如，所述处理单元710可以执行如图1中所示的步骤S110：根据待处理医疗数据得到多个目标语句，并根据各所述目标语句得到多个标准词；步骤S120：对各所述标准词进行词聚类得到多个聚类结果；步骤S130：根据各所述聚类结果得到所述待处理医疗数据中所包括的实体属性以及与各所述实体属性对应的属性值。

存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)7201和/或高速缓存存储单元7202，还可以进一步包括只读存储单元(ROM)7203。

存储单元720还可以包括具有一组(至少一个)程序模块7205的程序/实用工具7204，这样的程序模块7205包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备800(例如键盘、指向设备、蓝牙设备等)通信，还可与一个或者多个使得用户能与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其它计算设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器760通过总线730与电子设备700的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

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、终端装置、或者网络设备等)执行根据本发明实施方式的方法。

在本发明的示例性实施例中，还提供了一种计算机可读存储介质，其上存储有能够实现本说明书上述方法的程序产品。在一些可能的实施方式中，本发明的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在终端设备上运行时，所述程序代码用于使所述终端设备执行本说明书上述“示例性方法”部分中描述的根据本发明各种示例性实施方式的步骤。

根据本发明的实施方式的用于实现上述方法的程序产品，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在终端设备，例如个人电脑上运行。然而，本发明的程序产品不限于此，在本文件中，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。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、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。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(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。

计算机可读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，其中承载了可读程序代码。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。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、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。

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、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

此外，上述附图仅是根据本发明示例性实施例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。

本领域技术人员在考虑说明书及实践这里发明的发明后，将容易想到本发明的其他实施例。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发明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权利要求指出。

Claims (10)

1.一种医疗数据处理方法，其特征在于，包括：

根据待处理医疗数据得到多个目标语句，并根据各所述目标语句得到多个标准词；

对各所述标准词进行词聚类得到多个聚类结果；

根据各所述聚类结果得到所述待处理医疗数据中所包括的实体属性以及与各所述实体属性对应的属性值。

2.根据权利要求1所述的医疗数据处理方法，其特征在于，根据待处理医疗数据得到多个目标语句包括：

在确定所述待处理医疗数据中的句子为按照预设符号结尾的句子时，对所述按照预设符号结尾的句子进行切分，得到多个初始语句；

在确定任一所述初始语句中包括实体属性时，将所述初始语句作为所述目标语句。

3.根据权利要求1所述的医疗数据处理方法，其特征在于，根据各所述目标语句得到多个标准词包括：

对各所述目标语句进行切分得到多个分词结果，并根据各所述分词结果在所述目标语句中的位置得到各所述分词结果之间的句法关系；

根据各所述分词结果的词性标识以及各所述分词结果之间的句法关系，得到各所述目标语句对应的分词结果是否需要拼接的判断结果；

如果所述判断结果为是，则对各所述分词结果进行拼接得到多个所述标准词。

4.根据权利要求3所述的医疗数据处理方法，其特征在于，根据各所述分词结果的词性标识以及各所述分词结果之间的句法关系，得到各所述目标语句对应的分词结果是否需要拼接的判断结果包括：

根据第一校验规则对各所述分词结果的词性标识进行校验得到词性校验结果；其中，所述第一校验规则为各所述分词结果的相邻词之间的词性模式满足动词修饰名词、名词修饰名词、动词修饰形容词以及副词修饰动词中的任意一种；

根据第二校验规则对各所述分词结果之间的句法关系进行校验得到句法关系校验结果；其中，所述第二校验规则为各所述分词结果的相邻词之间的句法关系满足定中关系、动补关系以及状中关系的任意一种；

根据所述词性校验结果和/或所述句法关系校验结果，得到各所述目标语句对应的分词结果是否需要拼接的判断结果。

5.根据权利要求4所述的医疗数据处理方法，其特征在于，如果所述词性校验结果为任一所述分词结果的相邻词之间的词性模式满足动词修饰名词、名词修饰名词、动词修饰形容词以及副词修饰动词中的任意一种，则所述判断结果为是；和/或

如果所述句法关系校验结果为任一所述分词结果的相邻词之间的满足定中关系、动补关系以及状中关系的任意一种，则所述判断结果为是。

6.根据权利要求1所述的医疗数据处理方法，其特征在于，对各所述标准词进行词聚类得到多个聚类结果包括：

基于文档主题生成技术对各所述标准词进行词聚类，得到多个聚类结果；其中，所述聚类结果包括所述待处理医疗数据中所包括的主题、所述主题的概率分布以及所述主题中所包括的标准词。

7.根据权利要求6所述的医疗数据处理方法，其特征在于，所述医疗数据处理方法还包括：

根据各所述聚类结果中所包括的标准词以及与各所述聚类结果所属的主题之间的关联值的大小，对各所述聚类结果中所包括的标准词进行清洗。

8.一种医疗数据处理装置，其特征在于，包括：

标准词确定模块，用于根据待处理医疗数据得到多个目标语句，并根据各所述目标语句得到多个标准词；

标准词聚类模块，用于对各所述标准词进行词聚类得到多个聚类结果；

实体属性以及属性值确定模块，用于根据各所述聚类结果得到所述待处理医疗数据中所包括的实体属性以及与各所述实体属性对应的属性值。

9.一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，所述计算机程序被处理器执行时实现权利要求1-7任一项所述的医疗数据处理方法。

10.一种电子设备，其特征在于，包括：

处理器；以及

存储器，用于存储所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1-7任一项所述的医疗数据处理方法。

Images