CN111552780A - 医用场景的搜索处理方法、装置、存储介质及电子设备 - Google Patents
医用场景的搜索处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN111552780A CN111552780A CN202010354224.8A CN202010354224A CN111552780A CN 111552780 A CN111552780 A CN 111552780A CN 202010354224 A CN202010354224 A CN 202010354224A CN 111552780 A CN111552780 A CN 111552780A
- Authority
- CN
- China
- Prior art keywords
- search
- word
- type
- recognition
- entity
- 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
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
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
-
- 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
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
-
- 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
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明公开了医用场景的搜索处理方法、装置、存储介质及电子设备。其中方法包括:获取搜索语句;对所述搜索语句进行实体词识别,和/或,对所述搜索语句中的至少一个分词进行标签识别;根据实体词识别结果或标签识别结果确定所述搜索语句的搜索核心词。本实施例中通过实体词识别和标签识别两个方式对搜索语句进行处理,得到搜索核心词,提高了搜索核心词的确定准确性,进一步提高了搜索语句的搜索精准度。
Description
技术领域
本发明实施例涉及医疗信息技术领域,尤其涉及医用场景的搜索处理方法、装置、存储介质及电子设备。
背景技术
搜索技术是根据用户需求,运用特定策略和算法从大量数据中检索出指定信息反馈给用户的一种信息检索技术。
搜索技术的根本原理是通过计算用户搜索词与索引文档之间相似度,将与搜索词相关的搜索结果进行召回,并且根据相似度进行排序展示给用户的过程,从而满足用户进行信息检索找到所需信息的需求。
由于用户输入的搜索语句表达方式的多样性,尤其是医用场景的搜索语句的不专业性,其搜索结果往往存在不准确的情况。
发明内容
本发明提供一种医用场景的搜索处理方法、装置、存储介质及电子设备,以提高搜索准确性。
第一方面,本发明实施例提供了一种医用场景的搜索处理方法,包括:
获取搜索语句;
对所述搜索语句进行实体词识别,和/或,对所述搜索语句中的至少一个分词进行标签识别;
根据实体词识别结果或标签识别结果确定所述搜索语句的搜索核心词。
第二方面,本发明实施例还提供了一种医用场景的搜索处理装置,包括:
搜索语句获取模块,用于获取搜索语句;
词汇识别模块,用于对所述搜索语句进行实体词识别,和/或,对所述搜索语句中的至少一个分词进行标签识别;
搜索核心词确定模块,用于根据实体词识别结果或标签识别结果确定所述搜索语句的搜索核心词。
第三方面,本发明实施例还提供了一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其中,所述处理器执行所述计算机程序时实现如本发明任意实施例提供的一种医用场景的搜索处理方法。
第四方面,本发明实施例还提供了一种包含计算机可执行指令的存储介质,其中,所述计算机可执行指令在由计算机处理器执行时实现如本发明任意实施例提供的一种医用场景的搜索处理方法。
本发明提供的技术方案,通过先搜索语句进行单个词的实体词匹配,当匹配失败时,对搜索语句中的至少一个分词进行标签识别,根据实体词识别结果或者标签识别结果确定搜索核心词。本实施例中通过实体词识别和标签识别两个方式对搜索语句进行处理,得到搜索核心词,提高了搜索核心词的确定准确性,进一步提高了搜索语句的搜索精准度。
附图说明
图1为本发明实施例一提供的一种医用场景的搜索处理方法的流程图;
图2是本发明实施例二提供的另一种医用场景的搜索处理方法的流程图;
图3是本发明实施例三提供的一种医用场景的搜索处理方法的流程图;
图4是本发明实施例四提供的一种医用场景的搜索处理装置的结构示意图;
图5为本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1为本发明实施例一提供的一种医用场景的搜索处理方法的流程图,本实施例可适用于在医用场景对搜索语句进行处理的情况,该方法可以由本发明实施例提供的医用场景的搜索处理装置来执行,具体包括如下步骤:
S110、获取搜索语句。
S120、对所述搜索语句进行实体词识别。
S130、根据实体词识别结果确定所述搜索语句的搜索核心词。
其中,搜索语句可以是从搜索界面采集到的,由用户通过输入设备输入的,或者通过语音采集器采集的语音信号进行文本转换得到的。该搜索语句可以是使用UTF8(8-bitUnicode Transformation Format,万国码)编码方式编码的。
可选的,根据搜索语句的文字类型或文字类型标识,确定是否对搜索语句进行文字类型转换;若是,则将搜索语句转换为目标文字类型。其中,搜索语句的文字类型可以包括但不限于简体中文、繁体中文、英文、日文等。
在一些实施例中,可以是通过预设识别算法自动识别所述语句的文字类型,当搜索语句的文字类型与进行搜索处理的目标文字类型不同时,确定对搜索语句进行文字类型转换。其中,目标文字类型可以是简体中文。在另一些实施例中,在获取搜索语句过程中,根据输入设备的输入法对搜索语句的预设字段设置文字类型标识,示例性的,中文简体的文字类型标识可以是1,繁体中文的文字类型标识可以是2等。通过识别搜索语句的预设字段中的文字类型标识可判断该搜索语句是否需要进行文字类型转换。在另一些实施例中,在获取搜索语句之后,接收用户输入的文字类型标识,或者文字类型转换指令,根据文字类型标识或文字类型转换指令确定对搜索语句进行文字类型转换。示例性的,搜索页面中设置有文字类型控件或者文字类型转换控件,当检测到文字类型控件被点击生成对应的文字类型标识,或者当检测到文字类型转换控件被选择时,生成文字类型转换指令。
其中,对搜索语句转换为目标文字类型可以是基于所述语句的当前文字类型与目标文字类型之间的转换算法,对搜索语句进行文字类型转换。可选的,在完成文字类型转换后,对搜索语句进行预处理,其中预处理可以包括首尾特殊符号删除、全角半角转换和去重操作。
需要说明的是,本实施例中的搜索语句为医用场景的搜索语句。相应的,电子设备中存储有用于对搜索语句进行实体词识别的医用实体词库。其中,对所述搜索语句进行实体词识别,包括:将搜索语句作为单个词,在医用实体词库中进行实体词匹配,得到实体词匹配结果。由于医疗领域的特点,医用场景的搜索语句常被拆分搜索,导致搜索结果中存在干扰结果。示例性的,搜索语句为中国医科大学附属盛京医院时,可能存在中国医科大学和盛京医院的属于干扰信息的实体词。本实施例中,基于医疗领域的特点,将搜索语句作为单个词进行实体词识别。
医用实体词库为至少一个类型的医用实体词库,其中,医用实体词库的类型可以包括但不限于医生、疾病、科室、地区、治疗方法、症状、药品、商品等。每一个类型可以分别对应一个实体词库。其中,各医用实体词库中包括医用实体词、医用实体词的类型和唯一编码。医用实体词库中的实体词为医疗专业实体词。
分别将搜索语句作为单个词在各个医用实体词库中进行匹配,当匹配成功时,确定该搜索语句对应的词汇类型和唯一编码,将该搜索语句作为搜索核心词,并基于该搜索核心词进行信息搜索,已得到搜索结果。进一步的,基于该实体词的类型和唯一编码作为属性信息以辅助搜索,例如可以是基于实体词的类型和/或唯一编码在搜索结果中进行筛选,将与实体词的类型和/或唯一编码相匹配的搜索结果进行优先显示。
可选的,当搜索语句作为单个词在两个或两个以上的医用实体词库中均匹配成功时,即该搜索语句对应多个词汇类型,根据各词汇类型的第二优先级,确定所述作为单个词的搜索语句的主词汇类型,具体的,将优先级最高的词汇类型确定为主词汇类型,其他词汇类型确定为辅词汇类型;其中,词汇类型的第二优先级可以是预先设置的,还可以是根据各类型搜索结果的点击率确定。示例性的,词汇类型的第二优先级中可以是医生、疾病、科室、医院、地区、治疗方式、症状、药品、商品的优先级依次降低。
示例性的,搜索语句分别在医生实体词库和医院实体词库中匹配成功时,将该搜索语句中的单个词作为搜索核心词,根据医院和医生的优先级,将医生类型确定为主词汇类型,医院类型作为辅词汇类型。基于该搜索核心词进行搜索,将搜索结果根据词汇类型进行排序,将与主词汇类型相匹配的搜索结果排在前面,将与辅词汇类型相匹配的搜索结果排在后面,便于用户快速浏览准确的搜索结果。
本实施例提供的技术方案,通过将搜索语句作为单个词在医用实体词库中进行实体词匹配,当匹配成功时,将该搜索语句作为搜索核心词进行信息搜索,提高搜索语句的搜索精准取。
实施例二
图2是本发明实施例二提供的另一种医用场景的搜索处理方法的流程图,基于标签识别对搜索语句进行处理。该方法包括:
S210、获取搜索语句。
S220、对所述搜索语句中的至少一个分词进行标签识别。
S230、根据标签识别结果确定所述搜索语句的搜索核心词。
本实施例中,在获取搜索语句之后,对获取的搜索语句进行文字类型转换,以及包括首尾特殊符号删除、全角半角转换和去重操作中至少一项的预处理。
可选的,对所述搜索语句中的至少一个分词进行标签识别,包括:对所述搜索语句进行分词处理,得到至少一个分词;将所述至少一个分词在医用标签库中进行标签匹配,其中,所述医用标签库中包括词汇和词汇类型。
本实施例中,可以是基于正向迭代最细粒度切分算法对搜索语句进行分词处理。其中,医用标签库中不仅包括医疗专业实体词还包括医疗常用实体词,以及各实体词的词汇类型。将搜索语句各个分词分别在医用标签库中进行匹配,确定匹配成功的各分词的词汇类型。
在上述实施例的基础上,当存在分词未在医用标签库中匹配成功时,可以是基于所述词汇类型对标签识别失败的分词进行模糊匹配;和/或,基于预设分类器对标签识别失败的分词进行分类。其中,每一个词汇类型对应进行模糊匹配的关键字,通过该关键词对标签识别失败的分词进行匹配。示例性的,医院类型的关键词可以包括但不限于医院、院等,将包括医院、院等关键字的分词确定为医院类型,疾病类型的关键字可以包括但不限于“病”,将包括“病”等关键字的分词确定为疾病类型。
预设分类器可以是预先训练的,具有词汇分类功能的机器学习模型,例如可以是神经网络模型。该预设分类器可以是基于大量样本词汇和该样本词汇对应的类型标签训练得到。将标签识别失败的分词输入至预设分类器中,得到该分词的词汇类型。可选的,预设分类器可以是朴素贝叶斯分类算法分类器。
在一些实施例中还可以是,基于所述词汇类型对标签识别失败的分词进行模糊匹配,当存在分词基于模糊匹配没有匹配结果时,基于预设分类器对模糊匹配失败的分词进行分类。
本实施例中,通过模糊匹配和/或预设分类器对标签识别失败的分词进行分类,对标签识别进行补充,避免医用标签库无法识别到全部的分词的词汇类型的情况,提高分词识别的全面性和准确性。
在上述实施例的基础上,在识别到每一个分词的词汇类型之后,当词性相同的至少两个相邻分词的词汇类型相同,且所述词性相同的至少两个相邻分词中至少一个分词的词汇类型由预设分类器识别得到,将所述词性相同的至少两个相邻分词合并为单个词。可选的,将由预设分类器识别得到词汇类型的分词设置预设标识,例如可以是class标识。当词性相同、词汇类型相同的至少两个相邻分词中至少一个分词中携带有class标识,则可以是将该词性相同、词汇类型相同的至少两个相邻分词合并为单个词。通过上述至少两个相邻分词的合并,可降低将一个医用词汇分为两个或以上的词汇的情况导致的搜索干扰,提高分词的划分精度。
可选的,根据标签识别结果确定所述搜索语句的搜索核心词,包括:当标签识别结果中包括单个词时,将所述单个词作为所述搜索语句的搜索核心词;当所述标签识别结果中包括至少两个词时,根据所述至少两个词的词汇类型,以及各词汇类型的第一优先级确定所述搜索语句的搜索核心词。示例性的,词汇类型的第一优先级中可以是医生、疾病、科室、医院、地区、治疗方式、症状、药品、商品的优先级依次下降。将词汇类型优先级最该的分词确定为搜索语句的搜索核心词。
需要说明的是,对于每一个分词,当该分词对应一个词汇类型时,基于该分词的词汇类型进行搜索核心词的确定;当该分词对应两个及以上的词汇类型时,根据各词汇类型的第二优先级,确定所述词汇的主词汇类型,具体的,将优先级最高的词汇类型确定为该分词的主词汇类型,其他词汇类型为该分词的辅词汇类型。进一步的,根据所述至少两个词的主词汇类型,以及各词汇类型的第一优先级确定所述搜索语句的搜索核心词,即将主词汇类型的优先级最高的分词确定为搜索语句的搜索核心词。
示例性的,搜索语句包括分词A和B,分词A的词汇类型包括医院和地区,分词B的词汇类型包括医生和科室。基于词汇类型的第二优先级,确定分词A的主词汇类型为医院,分词B的主词汇类型为医生,根据词汇类型的第一优先级,医生类型的优先级高于医院类型的优先级,将分词B确定为搜索核心词。
需要说明的是,词汇类型的第二优先级和第一优先级可以是相同的,也可以是不同的。
在上述实施例的基础上,基于搜索核心词以及搜索核心词的主词汇类型进行信息搜索,得到搜索结果。具体的,可以基于搜索核心词得到的搜索结果中与主词汇类型相匹配的搜索结果进行优先显示,将与辅词汇类型相匹配的搜索结果排序靠后显示。进一步的,将其他分词对应的搜索结果排在排序靠后显示。
本实施例提供的技术方案,通过将搜索语句进行分词处理,得到至少一个分词,通过每一个分词在医用标签库中进行匹配,并基于匹配结果中词汇类型确定搜索语句的搜索核心词,将该搜索语句作为搜索核心词进行信息搜索,提高搜索语句的搜索精准取。
实施例三
图3是本发明实施例三提供的一种医用场景的搜索处理方法的流程图,在上述实施例的基础上述进行了优化,该方法包括:
S310、获取搜索语句。
S320、对所述搜索语句进行实体词识别,当实体词识别成功时,执行步骤S340,当实体词识别失败时,执行步骤S330。
S330、对所述搜索语句中的至少一个分词进行标签识别。
S340、根据实体词识别结果或标签识别结果确定所述搜索语句的搜索核心词。
本实施例中,在获取搜索语句之后,对获取的搜索语句进行文字类型转换,以及包括首尾特殊符号删除、全角半角转换和去重操作中至少一项的预处理。
其中,先将搜索语句作为单个词在医用实体词库中进行实体词匹配,当匹配成功时,得到至少一个词汇类型,将作为单个词的搜索语句作为搜索核心词,进一步的,基于至少一个词汇类型以及词汇类型的第二优先级确定该搜索核心词的主词汇类型,即在步骤S320后,判断搜索语句作为单个词是否在医用实体词库中识别成功,若是,则执行步骤S340。
当搜索语句作为单个词在医用实体词库中匹配失败,即未在医用实体词库确定搜索语句作为单个词的类型时,执行步骤S330,基于正向迭代最细粒度切分算法对搜索语句进行分词处理,得到至少一个分词,分别将各个分词在医用标签库中进行匹配,当匹配成功时,得到匹配成功的分词的至少一个词汇类型,当匹配失败时,基于模糊匹配或者预设分类器对标签识别失败的分词进行分类,得到对应的词汇类型。
当搜索语句对应一个分词时,将给分词作为搜索核心词,并基于搜索核心词的至少一个词汇类型确定主词汇类型;当搜索语句对应多个分词时,先基于每一个分词的至少一个词汇类型确定每一个分词的主词汇类型,再基于多个分词的主词汇类型确定搜索语句的搜索核心词。
本实施例的技术方案,通过先搜索语句进行单个词的实体词匹配,当匹配失败时,对搜索语句中的至少一个分词进行标签识别,根据实体词识别结果或者标签识别结果确定搜索核心词。本实施例中通过实体词识别和标签识别两个方式对搜索语句进行处理,得到搜索核心词,提高了搜索核心词的确定准确性,进一步提高了搜索语句的搜索精准度。
实施例四
图4是本发明实施例四提供的一种医用场景的搜索处理装置的结构示意图,该装置包括:
搜索语句获取模块410,用于获取搜索语句;
词汇识别模块420,用于对所述搜索语句进行实体词识别,和/或,对所述搜索语句中的至少一个分词进行标签识别;
搜索核心词确定模块430,用于根据实体词识别结果或标签识别结果确定所述搜索语句的搜索核心词。
可选的,该装置还包括:
搜索语句转换模块,用于在获取搜索语句之后,根据所述搜索语句的文字类型或文字类型标识,确定是否对所述搜索语句进行文字类型转换;若是,则将所述搜索语句转换为目标文字类型。
可选的,词汇识别模块420包括:实体词识别单元和标签识别单元;
实体词识别单元用于将所述搜索语句作为单个词,在医用实体词库中进行实体词匹配,得到实体词匹配结果。
可选的,医用实体词库为至少一个类型的医用实体词库,各医用实体词库中包括医用实体词、所述医用实体词的类型和唯一编码。
可选的,标签识别单元用于:
对所述搜索语句进行分词处理,得到至少一个分词;
将所述至少一个分词在医用标签库中进行标签匹配,其中,所述医用标签库中包括词汇和词汇类型。
可选的,标签识别单元还用于:
基于所述词汇类型对标签识别失败的分词进行模糊匹配;
和/或,
基于预设分类器对标签识别失败的分词进行分类。
可选的,标签识别单元还用于:
当词性相同的至少两个相邻分词的词汇类型相同,且所述词性相同的至少两个相邻分词中至少一个分词的词汇类型由预设分类器识别得到,将所述词性相同的至少两个相邻分词合并为单个词。
可选的,词汇识别模块420用于:
当所述搜索语句的实体词识别失败时,对所述搜索语句中的至少一个分词进行标签识别;
当所述搜索语句的实体词识别成功时,确定对所述搜索语句的识别完成。
可选的,搜索核心词确定模块430包括:
第一搜索核心词确定单元,用于当所述实体词识别结果或所述标签识别结果中包括单个词时,将所述单个词作为所述搜索语句的搜索核心词;
第二搜索核心词确定单元,用于当所述实体词识别结果或所述标签识别结果中包括至少两个词时,根据所述至少两个词的词汇类型,以及各词汇类型的第一优先级确定所述搜索语句的搜索核心词。
可选的,第二搜索核心词确定单元用于:
当任一词对应多个词汇类型时,根据各词汇类型的第二优先级,确定所述词汇的主词汇类型;
根据所述至少两个词的主词汇类型,以及各词汇类型的第一优先级确定所述搜索语句的搜索核心词。
可选的,该装置还包括:
搜索模块,用于基于所述搜索核心词和所述搜索核心词的至少一个词汇类型进行信息搜索,并将搜索结果基于各词汇类型的第二优先级进行排序显示。
上述医用场景的搜索处理装置可执行本发明任意实施例所提供的医用场景的搜索处理方法,具备执行医用场景的搜索处理方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种电子设备的结构示意图。图5示出了适于用来实现本发明实施方式的电子设备412的框图。图5显示的电子设备412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。设备412典型的是承担图像分类功能的电子设备。
如图5所示,电子设备412以通用计算设备的形式表现。电子设备412的组件可以包括但不限于:一个或者多个处理器416,存储装置428,连接不同系统组件(包括存储装置428和处理器416)的总线418。
总线418表示几类总线结构中的一种或多种,包括存储器总线或者存储器控制器,外围总线,图形加速端口,处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说,这些体系结构包括但不限于工业标准体系结构(Industry StandardArchitecture,ISA)总线,微通道体系结构(Micro Channel Architecture,MCA)总线,增强型ISA总线、视频电子标准协会(Video Electronics Standards Association,VESA)局域总线以及外围组件互连(Peripheral Component Interconnect,PCI)总线。
电子设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被电子设备412访问的可用介质,包括易失性和非易失性介质,可移动的和不可移动的介质。
存储装置428可以包括易失性存储器形式的计算机系统可读介质,例如随机存取存储器(Random Access Memory,RAM)430和/或高速缓存存储器432。电子设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例,存储系统434可以用于读写不可移动的、非易失性磁介质(图5未显示,通常称为“硬盘驱动器”)。尽管图5中未示出,可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器,以及对可移动非易失性光盘(例如只读光盘(Compact Disc-Read Only Memory,CD-ROM)、数字视盘(Digital Video Disc-Read Only Memory,DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下,每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品,该程序产品具有一组(例如至少一个)程序模块,这些程序模块被配置以执行本发明各实施例的功能。
具有一组(至少一个)程序模块426的程序436,可以存储在例如存储装置428中,这样的程序模块426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。程序模块426通常执行本发明所描述的实施例中的功能和/或方法。
电子设备412也可以与一个或多个外部设备414(例如键盘、指向设备、摄像头、显示器424等)通信,还可与一个或者多个使得用户能与该电子设备412交互的设备通信,和/或与使得该电子设备412能与一个或多个其它计算设备进行通信的任何设备(例如网卡,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422进行。并且,电子设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network,LAN),广域网Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图所示,网络适配器420通过总线418与电子设备412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412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、磁盘阵列(Redundant Arrays of Independent Disks,RAID)系统、磁带驱动器以及数据备份存储系统等。
处理器416通过运行存储在存储装置428中的程序,从而执行各种功能应用以及数据处理,例如实现本发明上述实施例所提供的医用场景的搜索处理方法。
实施例六
本发明实施例六提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例所提供的医用场景的搜索处理方法。
当然,本发明实施例所提供的一种计算机可读存储介质,其上存储的计算机程序不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的医用场景的搜索处理方法。
本发明实施例的计算机存储介质,可以采用一个或多个计算机可读的介质的任意组合。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。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(非穷举的列表)包括: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。在本文件中,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。
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源代码。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源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。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机源代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,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。源代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (14)
1.一种医用场景的搜索处理方法,其特征在于,包括:
获取搜索语句;
对所述搜索语句进行实体词识别,和/或,对所述搜索语句中的至少一个分词进行标签识别;
根据实体词识别结果或标签识别结果确定所述搜索语句的搜索核心词。
2.根据权利要求1所述的方法,其特征在于,在获取搜索语句之后还包括:
根据所述搜索语句的文字类型或文字类型标识,确定是否对所述搜索语句进行文字类型转换;
若是,则将所述搜索语句转换为目标文字类型。
3.根据权利要求1所述的方法,其特征在于,所述对所述搜索语句进行实体词识别,包括:
将所述搜索语句作为单个词,在医用实体词库中进行实体词匹配,得到实体词匹配结果。
4.根据权利要求3所述的方法,其特征在于,所述医用实体词库为至少一个类型的医用实体词库,各医用实体词库中包括医用实体词、所述医用实体词的类型和唯一编码。
5.根据权利要求1所述的方法,其特征在于,所述对所述搜索语句中的至少一个分词进行标签识别,包括:
对所述搜索语句进行分词处理,得到至少一个分词;
将所述至少一个分词在医用标签库中进行标签匹配,其中,所述医用标签库中包括词汇和词汇类型。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
基于所述词汇类型对标签识别失败的分词进行模糊匹配;
和/或,
基于预设分类器对标签识别失败的分词进行分类。
7.根据权利要求6所述的方法,其特征在于,所述方法还包括:
当词性相同的至少两个相邻分词的词汇类型相同,且所述词性相同的至少两个相邻分词中至少一个分词的词汇类型由预设分类器识别得到,将所述词性相同的至少两个相邻分词合并为单个词。
8.根据权利要求1所述的方法,其特征在于,所述对所述搜索语句进行实体词识别,和/或,对所述搜索语句中的至少一个分词进行标签识别,包括:
当所述搜索语句的实体词识别失败时,对所述搜索语句中的至少一个分词进行标签识别;
当所述搜索语句的实体词识别成功时,确定对所述搜索语句的识别完成。
9.根据权利要求1所述的方法,其特征在于,所述根据实体词识别结果或标签识别结果确定所述搜索语句的搜索核心词,包括:
当所述实体词识别结果或所述标签识别结果中包括单个词时,将所述单个词作为所述搜索语句的搜索核心词;
当所述实体词识别结果或所述标签识别结果中包括至少两个词时,根据所述至少两个词的词汇类型,以及各词汇类型的第一优先级确定所述搜索语句的搜索核心词。
10.根据权利要求9所述的方法,其特征在于,根据所述至少两个词的词汇类型,以及各词汇类型的第一优先级确定所述搜索语句的搜索核心词,包括:
当任一词对应多个词汇类型时,根据各词汇类型的第二优先级,确定所述词的主词汇类型;
根据所述至少两个词的主词汇类型,以及各词汇类型的第一优先级确定所述搜索语句的搜索核心词。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
基于所述搜索核心词和所述搜索核心词的至少一个词汇类型进行信息搜索,并将搜索结果基于各词汇类型的第二优先级进行排序显示。
12.一种医用场景的搜索处理装置,其特征在于,包括:
搜索语句获取模块,用于获取搜索语句;
词汇识别模块,用于对所述搜索语句进行实体词识别,和/或,对所述搜索语句中的至少一个分词进行标签识别;
搜索核心词确定模块,用于根据实体词识别结果或标签识别结果确定所述搜索语句的搜索核心词。
13.一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-11中任一项所述的医用场景的搜索处理方法。
14.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时实现如权利要求1-11中任一项所述的医用场景的搜索处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010354224.8A CN111552780B (zh) | 2020-04-29 | 2020-04-29 | 医用场景的搜索处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010354224.8A CN111552780B (zh) | 2020-04-29 | 2020-04-29 | 医用场景的搜索处理方法、装置、存储介质及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111552780A true CN111552780A (zh) | 2020-08-18 |
CN111552780B CN111552780B (zh) | 2023-09-29 |
Family
ID=72005987
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010354224.8A Active CN111552780B (zh) | 2020-04-29 | 2020-04-29 | 医用场景的搜索处理方法、装置、存储介质及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111552780B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445895A (zh) * | 2020-11-16 | 2021-03-05 | 深圳市世强元件网络有限公司 | 一种识别用户搜索场景的方法及系统 |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8315998B1 (en) * | 2003-04-28 | 2012-11-20 | Verizon Corporate Services Group Inc. | Methods and apparatus for focusing search results on the semantic web |
US20140074816A1 (en) * | 2012-06-25 | 2014-03-13 | Rediff.Com India Limited | Method and apparatus for generating a query candidate set |
CN106227880A (zh) * | 2016-08-01 | 2016-12-14 | 挂号网(杭州)科技有限公司 | 医生搜索推荐的实现方法 |
CN107491547A (zh) * | 2017-08-28 | 2017-12-19 | 北京百度网讯科技有限公司 | 基于人工智能的搜索方法和装置 |
CN108009153A (zh) * | 2017-12-08 | 2018-05-08 | 北京明朝万达科技股份有限公司 | 一种基于搜索语句切词结果的搜索方法及系统 |
CN108133756A (zh) * | 2017-12-26 | 2018-06-08 | 医渡云(北京)技术有限公司 | 医疗数据搜索方法及装置、存储介质、电子设备 |
CN108388650A (zh) * | 2018-02-28 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 基于需求的搜索处理方法、装置和智能设备 |
US20180293302A1 (en) * | 2017-04-06 | 2018-10-11 | International Business Machines Corporation | Natural question generation from query data using natural language processing system |
CN109063046A (zh) * | 2018-07-17 | 2018-12-21 | 广州资宝科技有限公司 | 搜索方法、装置及智能终端 |
CN109215796A (zh) * | 2018-08-14 | 2019-01-15 | 平安医疗健康管理股份有限公司 | 搜索方法、装置、计算机设备和存储介质 |
CN109597933A (zh) * | 2018-11-21 | 2019-04-09 | 金色熊猫有限公司 | 医疗关键词精确搜索的方法、系统、设备及存储介质 |
CN110209786A (zh) * | 2019-05-28 | 2019-09-06 | 北京百度网讯科技有限公司 | 是非类答案的显示方法、装置、计算机设备和存储介质 |
US20190295694A1 (en) * | 2018-03-23 | 2019-09-26 | Cambia Health Solutions, Inc. | Methods and systems for a healthcare provider search |
CN110413734A (zh) * | 2019-07-25 | 2019-11-05 | 万达信息股份有限公司 | 一种医疗服务的智能搜索系统及方法 |
CN110427463A (zh) * | 2019-08-08 | 2019-11-08 | 腾讯科技(深圳)有限公司 | 搜索语句响应方法、装置及服务器和存储介质 |
-
2020
- 2020-04-29 CN CN202010354224.8A patent/CN111552780B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8315998B1 (en) * | 2003-04-28 | 2012-11-20 | Verizon Corporate Services Group Inc. | Methods and apparatus for focusing search results on the semantic web |
US20140074816A1 (en) * | 2012-06-25 | 2014-03-13 | Rediff.Com India Limited | Method and apparatus for generating a query candidate set |
CN106227880A (zh) * | 2016-08-01 | 2016-12-14 | 挂号网(杭州)科技有限公司 | 医生搜索推荐的实现方法 |
US20180293302A1 (en) * | 2017-04-06 | 2018-10-11 | International Business Machines Corporation | Natural question generation from query data using natural language processing system |
CN107491547A (zh) * | 2017-08-28 | 2017-12-19 | 北京百度网讯科技有限公司 | 基于人工智能的搜索方法和装置 |
CN108009153A (zh) * | 2017-12-08 | 2018-05-08 | 北京明朝万达科技股份有限公司 | 一种基于搜索语句切词结果的搜索方法及系统 |
CN108133756A (zh) * | 2017-12-26 | 2018-06-08 | 医渡云(北京)技术有限公司 | 医疗数据搜索方法及装置、存储介质、电子设备 |
CN108388650A (zh) * | 2018-02-28 | 2018-08-10 | 百度在线网络技术(北京)有限公司 | 基于需求的搜索处理方法、装置和智能设备 |
US20190295694A1 (en) * | 2018-03-23 | 2019-09-26 | Cambia Health Solutions, Inc. | Methods and systems for a healthcare provider search |
CN109063046A (zh) * | 2018-07-17 | 2018-12-21 | 广州资宝科技有限公司 | 搜索方法、装置及智能终端 |
CN109215796A (zh) * | 2018-08-14 | 2019-01-15 | 平安医疗健康管理股份有限公司 | 搜索方法、装置、计算机设备和存储介质 |
WO2020034810A1 (zh) * | 2018-08-14 | 2020-02-20 | 平安医疗健康管理股份有限公司 | 搜索方法、装置、计算机设备和存储介质 |
CN109597933A (zh) * | 2018-11-21 | 2019-04-09 | 金色熊猫有限公司 | 医疗关键词精确搜索的方法、系统、设备及存储介质 |
CN110209786A (zh) * | 2019-05-28 | 2019-09-06 | 北京百度网讯科技有限公司 | 是非类答案的显示方法、装置、计算机设备和存储介质 |
CN110413734A (zh) * | 2019-07-25 | 2019-11-05 | 万达信息股份有限公司 | 一种医疗服务的智能搜索系统及方法 |
CN110427463A (zh) * | 2019-08-08 | 2019-11-08 | 腾讯科技(深圳)有限公司 | 搜索语句响应方法、装置及服务器和存储介质 |
Non-Patent Citations (3)
Title |
---|
吴亮;李树广;: "基于关键词筛选分词算法的企业级搜索引擎", 微型电脑应用, no. 07 * |
唐培丽;胡明;解飞;刘钢;: "全文检索搜索引擎中文信息处理技术研究", 情报科学, no. 06 * |
申兵一;巩青歌;: "中文分词技术在搜索引擎中的应用研究", 计算机与网络, no. 01 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112445895A (zh) * | 2020-11-16 | 2021-03-05 | 深圳市世强元件网络有限公司 | 一种识别用户搜索场景的方法及系统 |
CN112445895B (zh) * | 2020-11-16 | 2024-04-19 | 深圳市世强元件网络有限公司 | 一种识别用户搜索场景的方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN111552780B (zh) | 2023-09-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11403680B2 (en) | Method, apparatus for evaluating review, device and storage medium | |
CN107291828B (zh) | 基于人工智能的口语查询解析方法、装置及存储介质 | |
CN107992596B (zh) | 一种文本聚类方法、装置、服务器和存储介质 | |
CN106897439B (zh) | 文本的情感识别方法、装置、服务器以及存储介质 | |
US9195646B2 (en) | Training data generation apparatus, characteristic expression extraction system, training data generation method, and computer-readable storage medium | |
CN112001177A (zh) | 融合深度学习与规则的电子病历命名实体识别方法及系统 | |
US20120047172A1 (en) | Parallel document mining | |
CN112749547A (zh) | 文本分类器训练数据的产生 | |
CN111079432B (zh) | 文本检测方法、装置、电子设备及存储介质 | |
WO2008106473A1 (en) | Automatic disambiguation based on a reference resource | |
CN110377750B (zh) | 评论生成及评论生成模型训练方法、装置及存储介质 | |
CN110032734B (zh) | 近义词扩展及生成对抗网络模型训练方法和装置 | |
CN111597800B (zh) | 同义句的获取方法及装置、设备及存储介质 | |
CN117011581A (zh) | 图像识别方法、介质、装置和计算设备 | |
WO2022188585A1 (zh) | 用于文本数据的标注方法、装置、计算机设备及存储介质 | |
US20240070389A1 (en) | Language labeling method and computer device, and non-volatile storage medium | |
CN111755090A (zh) | 病历查找方法、病历查找装置、存储介质与电子设备 | |
CN113297852B (zh) | 一种医学实体词的识别方法和装置 | |
CN113096687B (zh) | 音视频处理方法、装置、计算机设备及存储介质 | |
Das et al. | The 5w structure for sentiment summarization-visualization-tracking | |
CN111552780B (zh) | 医用场景的搜索处理方法、装置、存储介质及电子设备 | |
CN118093689A (zh) | 基于rpa多模态文档解析与结构化处理系统 | |
Banisakher et al. | Improving the identification of the discourse function of news article paragraphs | |
CN113408296B (zh) | 一种文本信息提取方法、装置及设备 | |
CN111949765B (zh) | 基于语义的相似文本搜索方法、系统、设备和存储介质 |
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 |