CN114840676B - 用于对关于骨科的文本分类的方法、电子设备和存储介质 - Google Patents

Abstract

本公开的实施例涉及用于对关于骨科的文本分类的方法、电子设备和存储介质。在该方法中，提取关于骨科的文本中的多个语句中的每个语句的关键信息；从所提取的关键信息中识别骨科词元素，以便形成骨科词元素集合；基于预定的组合模式，将骨科词元素集合中的多个骨科词元素进行组合，以形成备选标签集合；将备选标签集合中的每一备选标签与预定骨科知识图谱中的骨科实体数据相匹配，以便基于匹配结果确定目标标签；将关于骨科的文本对应的类别确定为手术类别；以及将关于骨科的文本对应的类别确定为疾病类别。其可以显著提高标签标注的效率，并极大提高标签标注的准确性。

Description

用于对关于骨科的文本分类的方法、电子设备和存储介质

技术领域

本公开的实施例总体涉及从文本中提取骨科标签领域，并且更具体地涉及一种用于对关于骨科的文本分类的方法、电子设备和存储介质。

背景技术

对医疗相关文本进行分类具有重要意义。以骨科领域相关文本分类为例，通常需要人工标注标签，涉及的工作量大，效率很低。而且，人工标注标签时，因为标注人员的疏忽，或者不同标注人员之间彼此标准不统一的原因，会降低标注标签的准确性，进而影响对文本进行准确分类。

综上，目前，对骨科领域相关文本进行分类，往往需要人工标注标签，其效率较低，并且准确性较低。

发明内容

针对上述问题，本公开提供了一种用于对关于骨科的文本分类的方法、电子设备和存储介质，能够显著提高标签标注的效率，并极大提高标签标注的准确性。

根据本公开的第一方面，提供一种用于对关于骨科的文本分类的方法。该用于对关于骨科的文本分类的方法包括：提取关于骨科的文本中的多个语句中的每个语句的关键信息；从所提取的关键信息中识别骨科词元素，以便形成骨科词元素集合，骨科词元素与解剖部位、病理学改变、根手术、产品品类和限定词中的至少一项相关联；基于预定的组合模式，将骨科词元素集合中的多个骨科词元素进行组合，以形成备选标签集合，备选标签集合包括多个备选标签，预定组合模式包括与手术相关的第一组合模式和与疾病相关第二组合模式；将备选标签集合中的每一备选标签与预定骨科知识图谱中的骨科实体数据相匹配，以便基于匹配结果确定目标标签，骨科实体数据至少包括：手术相关实体数据和疾病相关实体数据；响应于确定目标标签对应的组合模式为第一组合模式，将关于骨科的文本对应的类别确定为手术类别；以及响应于确定目标标签对应的组合模式为第二组合模式，将关于骨科的文本对应的类别确定为疾病类别。

在一些实施例中，第一组合模式包括：将与解剖部位相关联的骨科词元素和一个与根手术相关联的骨科词元素组合以形成备选标签；或者将与解剖部位相关联的骨科词元素和一个与根手术相关联的骨科词元素、以及与限定词相关联的骨科词元素、与产品品类相关联的骨科词元素、与限定词相关联的骨科词元素和与病理学改变相关联的骨科词元素中的至少一个组合，以形成备选标签；以及第二组合模式包括：将一个与解剖部位相关联的骨科词元素和一个与病理学改变相关联的骨科词元素组合以形成备选标签。

在一些实施例中，提取关于骨科的文本中的多个语句中的每个语句的关键信息包括：对每个语句进行切词处理以得到初始词元素集合，初始词元素集合包括多个初始词元素；基于多个初始词元素和预定骨科词库，经由双向匹配算法，得到多个目标词元素；根据目标词元素的词性，确定多个目标词元素之间的语义依赖关系；以及根据多个目标词元素之间的语义依赖关系提取语句的关键信息，关键信息包括语句中的主语、谓语和宾语中的至少一项。

在一些实施例中，该用于对关于骨科的文本分类的方法还包括：以骨科实体数据作为节点、以骨科关系数据作为边构建骨科知识图谱，骨科实体数据包括手术名称、疾病名称，骨科关系数据包括解剖部位名称、治疗方法名称和病理学改变名称；以及查询骨科知识图谱以确定与目标标签对应的目标节点；以及输出与目标节点对应的解剖部位名称、治疗方法名称和病理学改变名称中的至少一项。

在一些实施例中，提取关于骨科的文本中的多个语句中的每个语句的关键信息包括：识别关于骨科的文本中的多个段落；识别每一个段落对应的主题信息；确定每一个段落对应的主题信息是否属于感兴趣的主题信息，感兴趣的主题信息包括以下至少一项：体检信息、诊疗信息、住院信息、病情信息、注意事项、手术操作信息；以及响应于确定段落对应的主题信息属于感兴趣的主题信息，提取段落中的多个语句中的每个语句的关键信息。

在一些实施例中，识别每一个段落对应的主题信息包括：基于识别模型识别每一个段落对应的主题信息，识别模型经由预定骨科文本库训练，预定骨科文本库指示分别与体检信息、诊疗信息、住院信息、病情信息、注意事项和手术操作信息中的至少一项相关联的标签，识别模型基于VDCNN（超深卷积神经网络）模型和LSTM（长短期记忆网络）模型所构建。

在一些实施例中，基于预定的组合模式，将骨科词元素集合中的多个骨科词元素进行组合，以形成备选标签集合包括：将骨科词元素集合中的多个骨科词元素进行去重操作；将经由去重操作的骨科词元素进行组合以形成备选标签集合。

在一些实施例中，关于骨科的文本包括以下至少一项：骨科病例文本、骨科知识文章、基于对骨科实操视频识别得到的文本。

根据本公开的第二方面，提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行本公开的第一方面的方法。

根据本公开的第三方面，提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被机器执行时实现本公开的第一方面的方法。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

结合附图并参考以下详细说明，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。在附图中，相同或相似的附图标注表示相同或相似的元素。

图1示出了用于实现根据本公开的实施例的用于对关于骨科的文本分类的方法的计算设备的示意图。

图2示出了本公开的实施例的用于对关于骨科的文本分类的方法的流程图。

图3示出了本公开的实施例的提取关键信息的方法的流程图。

图4示出了本公开的实施例的提取关键信息的方法的流程图。

图5示出了本公开的实施例的用于输出与目标节点对应名称的方法的流程图。

图6示出了可以用来实施本公开内容的实施例的用于对关于骨科的文本分类的方法的示例电子设备的示意性框图。

具体实施方式

以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

在本文中使用的术语“包括”及其变形表示开放性包括，即“包括但不限于”。除非特别申明，术语“或”表示“和/或”。术语“基于”表示“至少部分地基于”。术语“一个示例实施例”和“一个实施例”表示“至少一个示例实施例”。术语“另一实施例”表示“至少一个另外的实施例”。术语“第一”、“第二”等等可以指代不同的或相同的对象。下文还可能包括其他明确的和隐含的定义。

如前文所描述，传统的对骨科领域相关文本进行分类的过程中，往往需要人工标注标签，其效率较低，而且容易因为标注人员的疏忽或者标准不统一等原因，导致标注标签的准确性较低，进而影响对文本进行准确分类。

为了至少部分地解决上述问题以及其他潜在问题中的一个或者多个，本公开的示例实施例提出了一种用于对关于骨科的文本分类的方案，在本公开方案中，提取关于骨科的文本中的多个语句中的每个语句的关键信息，从而将语句浓缩为关键信息，降低后续识别中处理的数据量，有利于提高效率。然后，从所提取的关键信息中识别骨科词元素，以便形成骨科词元素集合，骨科词元素与解剖部位、病理学改变、根手术、产品品类和限定词中的至少一项相关联。从关键信息中识别骨科词元素，可以提炼出与骨科相关的关键信息，排除与骨科无关的关键信息形成的干扰，确保后续的分类操作就骨科领域而言更加准确。接下来，基于预定的组合模式，将骨科词元素集合中的多个骨科词元素进行组合，以形成备选标签集合。备选标签集合包括的多个备选标签覆盖识别得到的骨科词元素基于预定的组合模式可以组合形成的所有可能的备选标签，这样，可以确保后续的识别、分类操作的完备性。然后，将备选标签集合中的每一备选标签与预定骨科知识图谱中的骨科实体数据相匹配，以便基于匹配结果确定目标标签，可以剔除备选标签集合中的并无实体数据相对应（即在骨科领域不具备实际意义）的备选标签，保留骨科领域具备实际意义的备选标签作为目标标签。其中以预定骨科知识图谱为依据，具有极高的准确性和一致性，避免个人打标的主观差异性。最后，根据目标标签对应的组合模式，可以确定关于骨科的文本对应的类别。本方案可以自动识别关于骨科的文本的类别，显著提高了分类效率，并且具备很高的准确性。

在下文中，将结合附图更详细地描述本方案的具体示例。

图1示出了用于实现根据本公开的实施例的用于对关于骨科的文本分类的方法的计算设备100的示意图。该计算设备100可以具有一个或多个处理单元，包括诸如GPU（Graphics Processing Unit，图形处理器）、FPGA（Field Programmable Gate Array，现场可编程逻辑门阵列）和ASIC（Application Specific Integrated Circuit，专用集成电路）等的专用处理单元以及诸如CPU（Central Processing Unit，中央处理器）的通用处理单元。另外，在每个计算设备100上也可以运行着一个或多个虚拟机。在一些实施例中，计算设备100例如包括关键信息提取单元102、骨科词元素集合形成单元104、备选标签集合形成单元106、目标标签确定单元108、类别确定单元110。在一些实施例中，计算设备100还包括图谱构建单元112、图谱查询单元114。

关于关键信息提取单元102，其用于提取关于骨科的文本中的多个语句中的每个语句的关键信息。

关于骨科词元素集合形成单元104，其用于从所提取的关键信息中识别骨科词元素，以便形成骨科词元素集合。关于骨科词元素，例如与解剖部位、病理学改变、根手术、产品品类和限定词中的至少一项相关联。

关于备选标签集合形成单元106，其用基于预定的组合模式，将骨科词元素集合中的多个骨科词元素进行组合，以形成备选标签集合。备选标签集合包括多个备选标签。关于预定组合模式，例如包括与手术相关的第一组合模式和与疾病相关第二组合模式。

关于目标标签确定单元108，其用于将备选标签集合中的每一备选标签与预定骨科知识图谱中的骨科实体数据相匹配，以便基于匹配结果确定目标标签。关于骨科实体数据，例如至少包括：手术相关实体数据和疾病相关实体数据。

关于类别确定单元110，其用于确定目标标签对应的组合模式为第一组合模式还是第二组合模式；响应于确定目标标签对应的组合模式为第一组合模式，将关于骨科的文本对应的类别确定为手术类别；以及响应于确定目标标签对应的组合模式为第二组合模式，将关于骨科的文本对应的类别确定为疾病类别。

关于图谱构建单元112，其用于以骨科实体数据作为节点、以骨科关系数据作为边构建骨科知识图谱。其中骨科实体数据包括手术名称、疾病名称，骨科关系数据包括解剖部位名称、治疗方法名称和病理学改变名称。

关于图谱查询单元114，其用于查询骨科知识图谱以确定与目标标签对应的目标节点，以及输出与目标节点对应的解剖部位名称、治疗方法名称和病理学改变名称中的至少一项。

以下说明本公开的实施例的用于对关于骨科的文本分类的方法200。图2示出了本公开的实施例的用于对关于骨科的文本分类的方法200的流程图。方法200可由如图1所示的计算设备100执行，也可以在图6所示的电子设备600处执行。应当理解的是，方法200还可以包括未示出的附加步骤和/或可以省略所示出的步骤，本公开的范围在此方面不受限制。

在步骤202处，计算设备100提取关于骨科的文本中的多个语句中的每个语句的关键信息。关于关键信息，例如包括语句中的主语、谓语和宾语中的至少一项。关于提取关键信息的方法300或者方法400，后文将详细说明，此处不再赘述。

通过提取关键信息，可以将语句中的例如进行修饰的词语剔除，将语句浓缩为关于主语、谓语和宾语的关键信息，其中，既保留了该语句最密切相关的核心信息，又可以降低后续识别中处理的数据量，有利于提高效率。

在步骤204处，计算设备100从所提取的关键信息中识别骨科词元素，以便形成骨科词元素集合。骨科词元素例如与解剖部位、病理学改变、根手术、产品品类和限定词中的至少一项相关联。

在一些实施例中，计算设备100将所提取的每一个关键信息分别与一预定骨科标准词库中的标准词进行匹配操作。如果预定骨科标准词库中具备与该关键信息相匹配的标准词，则将该关键信息识别为骨科词元素；否则，忽略该关键信息，不再用户后续操作。预定骨科标准词库中的标准词，例如分别具有与解剖部位、病理学改变、根手术、产品品类和限定词相关的属性，因此，识别得到的骨科词元素也具有对应的属性。

从语句中识别得到的关键信息中，可能存在与骨科无关的关键信息，其对该文本在骨科领域的分类不具备参考价值。因此，从关键信息中识别骨科词元素，可以提炼出与骨科相关的关键信息，排除与骨科无关的关键信息形成的干扰，确保后续的分类操作就骨科领域而言更加准确。

在步骤206处，计算设备100基于预定的组合模式，将骨科词元素集合中的多个骨科词元素进行组合，以形成备选标签集合。备选标签集合包括多个备选标签。关于预定组合模式，例如包括与手术相关的第一组合模式和与疾病相关第二组合模式。

在一些实施例中，第一组合模式包括：将与解剖部位相关联的骨科词元素和一个与根手术相关联的骨科词元素组合以形成备选标签；或者将与解剖部位相关联的骨科词元素和一个与根手术相关联的骨科词元素、以及与限定词相关联的骨科词元素、与产品品类相关联的骨科词元素、与限定词相关联的骨科词元素和与病理学改变相关联的骨科词元素中的至少一个组合，以形成备选标签。

例如，第一组合模式可以包括以下至少一种：

（1）将一个或者多个与解剖部位相关联的骨科词元素和一个与根手术相关联的骨科词元素组合以形成备选标签；

（2）将一个或者多个与解剖部位相关联的骨科词元素、一个或者多个与限定词相关联的骨科词元素和一个与根手术相关联的骨科词元素组合以形成备选标签；

（3）将一个或者多个与解剖部位相关联的骨科词元素、一个或者多个与产品品类相关联的骨科词元素和一个与根手术相关联的骨科词元素组合以形成备选标签；

（4）将一个或者多个与解剖部位相关联的骨科词元素、一个或者多个与限定词相关联的骨科词元素、一个或者多个与产品品类相关联的骨科词元素和一个与根手术相关联的骨科词元素组合以形成备选标签；

（5）将一个或者多个与解剖部位相关联的骨科词元素、一个或者多个与病理学改变相关联的骨科词元素和一个与根手术相关联的骨科词元素组合以形成备选标签；

（6）将一个或者多个与解剖部位相关联的骨科词元素、一个或者多个与病理学改变相关联的骨科词元素、一个或者多个与限定词相关联的骨科词元素和一个与根手术相关联的骨科词元素组合以形成备选标签。

例如，第二组合模式包括：

（7）将一个与解剖部位相关联的骨科词元素和一个与病理学改变相关联的骨科词元素组合以形成备选标签。

在一些实施例中，基于上述组合模式（1）至（7）中的每一项将骨科词元素集合中的多个骨科词元素进行组合，以分别形成对应的备选标签。

在一些实施例中，在步骤206处，计算设备100先将骨科词元素集合中的多个骨科词元素进行去重操作；然后将经由去重操作的骨科词元素进行组合以形成备选标签集合。先对骨科词元素集合中的多个骨科词元素进行去重操作，可以合理减少生产的备选标签的数量，降低后续操作的运算量，提高效率。

例如，从关键信息中识别得到的骨科词元素集合中，与解剖部位相关联的骨科词元素包括：胫骨、股骨头；与病理学改变相关联的骨科词元素包括：坏死、脱位、肿瘤；与根手术相关联的骨科词元素包括：置换术、切除术；与产品品类相关联的骨科词元素包括：钢板、髓内钉、螺钉、假体；与限定词相关联的骨科词元素包括：切开、复位。则基于组合模式（1）得到的备选标签包括：

A、胫骨置换术；

B、股骨头置换术；

C、胫骨股骨头置换术；

D、胫骨切除术；等等。

即将骨科词元素集合中的所有骨科词元素基于组合模式（1）可以形成的备选标签全部列出。基于组合模式（2）至（7）得到备选标签与之类似，此处不再赘述。据此，可以得到骨科词元素对应的全部备选标签，以形成骨科词元素群。备选标签集合包括的多个备选标签覆盖识别得到的骨科词元素基于预定的组合模式可以组合形成的所有可能的备选标签，基于此，可以避免遗漏可能的备选标签，确保后续的识别、分类操作的完备性。

在一些实施例中，在组合形成备选标签时，保存该备选标签对应的组合模式。例如，备选标签B（股骨头置换术）对应的组合模式为第一组合模式。

在步骤208处，计算设备100将备选标签集合中的每一备选标签与预定骨科知识图谱中的骨科实体数据相匹配，以便基于匹配结果确定目标标签。关于骨科实体数据，例如至少包括：手术相关实体数据和疾病相关实体数据。关于预定骨科知识图谱，例如包括骨科实体数据和骨科关系数据，其中骨科实体数据包括手术名称、疾病名称，骨科关系数据包括解剖部位名称、治疗方法名称和病理学改变名称。

例如，计算设备100将备选标签A（胫骨置换术）与骨科实体数据进行匹配。鉴于“胫骨置换术”在骨科领域不具备实际意义，因此，不会在预定骨科知识图谱中得到与“胫骨置换术”相匹配的骨科实体数据，所以，计算设备100将备选标签A（胫骨置换术）排除。例如，计算设备100将备选标签B（股骨头置换术）与骨科实体数据进行匹配。“股骨头置换术”在骨科领域具备实际意义，因此，可以在预定骨科知识图谱中得到与“股骨头置换术”相匹配的骨科实体数据，所以，计算设备100将备选标签B（股骨头置换术）确定为目标标签。以此类推，计算设备100将备选标签集合中的每一备选标签与预定骨科知识图谱中的骨科实体数据相匹配，以便基于匹配结果确定目标标签。基于预定骨科知识图谱在备选标签集合中识别目标标签，在保证识别的完备性的基础上，还可以确保识别的准确性，从而准确提取出关于骨科的文本的目标标签。

在步骤210处，计算设备100确定目标标签对应的组合模式为第一组合模式还是第二组合模式。

在步骤212处，如果计算设备100确定目标标签对应的组合模式为第一组合模式，则将关于骨科的文本对应的类别确定为手术类别。例如，目标标签B（股骨头置换术）对应的组合模式为第一组合模式，计算设备100将关于骨科的文本对应的类别确定为手术类别。

在步骤214处，如果计算设备100确定目标标签对应的组合模式为第二组合模式，则将关于骨科的文本对应的类别确定为疾病类别。假设目标标签为“股骨头坏死”，其对应的组合模式为第二组合模式，计算设备100将关于骨科的文本对应的类别确定为疾病类别。

至此，根据方法200可以自动识别关于骨科的文本的类别，显著提高了分类效率，并且方法200具备很高的准确性。

图3示出了本公开的实施例的提取关键信息的方法300的流程图。方法300可由如图1所示的计算设备100执行，也可以在图6所示的电子设备600处执行。应当理解的是，方法300还可以包括未示出的附加步骤和/或可以省略所示出的步骤，本公开的范围在此方面不受限制。

在步骤302处，计算设备100对每个语句进行切词处理以得到初始词元素集合。初始词元素集合包括多个初始词元素。在一些实施例中，计算设备100基于HMM（隐马尔科夫模型）将每个语句进行切词处理以得到初始词元素集合。

在步骤304处，计算设备100基于多个初始词元素和预定骨科词库，经由双向匹配算法，得到多个目标词元素。例如，计算设备100对其中一个语句进行切词处理以得到的多个初始词元素为“股骨”、“头”、“坏死”。计算设备100以预定骨科词库作为词典，经由双向匹配算法，可以将“股骨”、“头”、“坏死”进行修正，得到“股骨头”、“坏死”作为目标词元素。语句进行切词处理以得到初始词元素集合中的初始词元素可能不符合骨科领域的标准词语表达。以预定骨科词库作为词典，经由双向匹配算法对初始词元素进行修正，可以得到符合骨科领域的标准词语表达的目标词元素，以保证后续的识别操作对骨科领域而言更加准确。

在步骤306处，计算设备100根据目标词元素的词性，确定多个目标词元素之间的语义依赖关系。例如，计算设备100基于NLP（自然语言处理）算法识别目标词元素的词性，其中词性包括名词、动词、形容词等。计算设备100进而根据目标词元素的词性，基于NLP算法确定该语句中的多个目标词元素之间的语义依赖关系。其中语义依赖关系包括主谓关系SBV（subject-verb）、动宾关系VOB（verb-object）、并列关系COO（coordinate）等。

在步骤308处，计算设备100根据多个目标词元素之间的语义依赖关系提取语句的关键信息。其中关键信息包括语句中的主语、谓语和宾语中的至少一项。计算设备100基于NLP算法根据多个目标词元素之间的语义依赖关系可以确定多个目标词元素在该语句中的成分，成分例如包括主语、谓语、宾语、定语、状语等。计算设备100根据多个目标词元素在该语句中的成分，提取出语句中的主语、谓语和宾语中的至少一项，作为该语句的关键信息。这样，即剔除了语句中的进行修饰的例如定语、状语等，保留该语句最密切相关的核心信息，从而将语句进行浓缩，降低后续处理的数据量。

基于NLP算法，可以快速、准确地提取语句的关键信息。

图4示出了本公开的实施例的提取关键信息的方法400的流程图。方法400可由如图1所示的计算设备100执行，也可以在图6所示的电子设备600处执行。应当理解的是，方法400还可以包括未示出的附加步骤和/或可以省略所示出的步骤，本公开的范围在此方面不受限制。

在步骤402处，计算设备100识别关于骨科的文本中的多个段落。关于骨科的文本例如可以为骨科病例文本、骨科知识文章或者基于对骨科实操视频识别得到的文本。在一些实施例中，计算设备100将文本中的符合预定格式的部分识别为一个段落，例如，计算设备100以首行起始位置具有的两格空格作为一个段落的起点标志，以下一处起始标志之前的句号或者文本的最后一个句号作为终点标志，进而将相邻的起点标志与终点标志之间的部分识别为一个段落。

在步骤404处，计算设备100识别每一个段落对应的主题信息。在一些实施例中，计算设备100基于识别模型识别每一个段落对应的主题信息。关于识别模型，其例如基于VDCNN模型和LSTM模型所构建，并经由预定骨科文本库训练得到。其中，预定骨科文本库中包括大量骨科文本。

在一些实施例中，VDCNN模型包括词嵌入层、10层卷积层和3层全连接层，共计14层网络结构，并且将LSTM模型以融合的形式与VDCNN模型组成混合模型。关于该混合模型，其共计包括14层。其中第一层为词嵌入层，将输入的文本序列展开成词向量序列，以作为卷积层的输入。词嵌入层之后的VDCNN模型结构依次包括：第一个卷积层和第二个卷积层，均被配置为64个大小为3的卷积核；对卷积结果进行池化操作，并连接第三个卷积层和第四个卷积层，第三个卷积层和第四个卷积层均被配置为128个大小为3的卷积核；进行三次池化操作，每次池化操作连接两个卷积层；再次进行池化操作，连接三个全连接层并输出结果。通过VDCNN模型的深度结构提取文本向量的特征，并利用LSTM具有存储历史信息的特点，提取长文本中上下文的依赖关系，可以有效提高主题信息识别的准确率。

在一些实施例中，骨科文本例如可以为骨科病例文本，骨科病例文本中的每一个段落具有相应的标签；标签例如包括：体检信息（或称查体信息）、诊疗信息、住院信息、其他信息。可以理解，其中体检信息相关的标签表征对应的内容主要涉及关于病人接受体检（包括治疗过程中接受的查体）过程中形成的信息；诊疗信息相关的标签表征对应的内容主要涉及关于病人在治疗过程中接受例如手术、用药等方面的信息；住院信息相关的标签表征对应的内容主要涉及关于病人在治疗过程中的住院周期、住院科室、住院病房等方面的信息；其他信息相关的标签表征对应的内容不涉及体检信息、诊疗信息和住院信息中的任何一种信息。

经由预定骨科文本库对其进行训练，识别模型可以从关于骨科的文本中的每一个段落识别出与体检信息、诊疗信息、住院信息和其他信息中的一项相关的标签，以作为该段落的主题信息。

在一些实施例中，骨科文本例如可以为基于对骨科实操视频识别得到的文本，基于对骨科实操视频识别得到的文本中的每一个段落具有相应的标签；标签例如包括：体检信息、病情信息、注意事项、手术操作信息和其他信息。可以理解，病情信息相关的标签表征对应的内容主要涉及关于病人的病情的信息；注意事项相关的标签表征对应的内容主要涉及关于该骨科手术实施过程应当注意的操作及安全事项；手术操作信息相关的标签表征对应的内容主要涉及关于该骨科手术实施过程的具体步骤、具体操作等相关的信息；其他信息相关的标签表征对应的内容不涉及体检信息、病情信息、注意事项和手术操作信息中的任何一种信息。

经由预定骨科文本库对其进行训练，识别模型可以从关于骨科的文本中的每一个段落识别出与体检信息、病情信息、注意事项、手术操作信息和其他信息中的一项对应的标签，以作为该段落的主题信息。

在一些实施例中，预定骨科文本库中既包括骨科病例文本，又包括基于对骨科实操视频识别得到的文本，经由训练，识别模型可以从关于骨科的文本中的每一个段落识别出与体检信息、诊疗信息、住院信息、病情信息、注意事项、手术操作信息和其他信息中的一项对应的标签，以作为该段落的主题信息。

该识别模型基于VDCNN模型和LSTM模型所构建，其用于识别段落对应的主题信息，具有极高的准确性。

在步骤406处，计算设备100确定每一个段落对应的主题信息是否属于感兴趣的主题信息。例如，体检信息、诊疗信息、住院信息、病情信息、注意事项、手术操作信息属于感兴趣的主题信息，其他信息则不属于感兴趣的主题信息。

在步骤408处，如果计算设备100确定段落对应的主题信息属于感兴趣的主题信息，提取该段落中的多个语句中的每个语句的关键信息。如果计算设备100确定段落对应的主题信息不属于感兴趣的主题信息，跳转至步骤406处。

通过划分段落，进而识别段落的主题，再通过感兴趣的主题筛选感兴趣的段落，剔除与骨科领域无关的段落，可以减少后续对段落的语句进行处理的数据量，提高效率。

在一些实施例中，在步骤402之前，计算设备100还对关于骨科的文本中的字符进行预处理。例如，计算设备100将全角格式字符转换为对应的半角格式字符，将字符中的大写字母转换为对应的小写字母，将字符中的中文繁体字转换为对应的中文简体字。通过预处理，可以使得关于骨科的文本中的字符符合预定规范，降低后续的识别等相关处理出错的概率，以提高准确性。

在一些实施例中，方法200还包括用于输出与目标节点对应名称的方法500。图5示出了本公开的实施例的用于输出与目标节点对应名称的方法500的流程图。方法500可由如图1所示的计算设备100执行，也可以在图6所示的电子设备600处执行。应当理解的是，方法500还可以包括未示出的附加步骤和/或可以省略所示出的步骤，本公开的范围在此方面不受限制。

在步骤502处，计算设备100以骨科实体数据作为节点、以骨科关系数据作为边构建骨科知识图谱。计算设备100例如以骨科实体数据作为节点、以骨科关系数据作为边构建骨科知识图谱。其中骨科实体数据包括手术名称、疾病名称，骨科关系数据包括解剖部位名称、治疗方法名称和病理学改变名称。

在步骤504处，计算设备100查询骨科知识图谱以确定与目标标签对应的目标节点。其中目标标签例如根据方法200识别得到。

在步骤506处，计算设备100输出与目标节点对应的解剖部位名称、治疗方法名称和病理学改变名称中的至少一项。

通过方法500，在识别得到关于骨科的文本对应的目标标签的基础上，还可以快速输出解剖部位名称、治疗方法名称和病理学改变名称等信息，以便于用户（例如医生）获取该信息，以得到指引。例如，基于方法500对关于骨科的文本进行识别，可以快速输出例如治疗方法名称，以便于帮助用户筛选目标文本以进行研究学习，或者参考其中的内容实施相应的手术。

图6示出了可以用来实施本公开内容的实施例的用于对关于骨科的文本分类的方法的示例电子设备600的示意性框图。如图所示，电子设备600包括中央处理单元（即，CPU601），其可以根据存储在只读存储器（即，ROM 602）中的计算机程序指令或者从存储单元608加载到随机存取存储器（即，RAM 603）中的计算机程序指令，来执行各种适当的动作和处理。在RAM 603中，还可存储电子设备600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出接口（即，I/O接口605）也连接至总线604。

电子设备600中的多个部件连接至I/O接口605，包括：输入单元606，例如键盘、鼠标、麦克风等；输出单元607，例如各种类型的显示器、扬声器等；存储单元608，例如磁盘、光盘等；以及通信单元609，例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。

上文所描述的各个过程和处理，例如方法200、300、400和500，可由CPU 601执行。例如，在一些实施例中，方法200、300、400和500可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元608。在一些实施例中，计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序被加载到RAM 603并由CPU 601执行时，可以执行上文描述的方法200、300、400和500的一个或多个动作。

本公开涉及方法、装置、系统、电子设备、计算机可读存储介质和/或计算机程序产品。计算机程序产品可以包括用于执行本公开的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子（非穷举的列表）包括：便携式计算机盘、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）、静态随机存取存储器（SRAM）、便携式压缩盘只读存储器（CD-ROM）、数字多功能盘（DVD）、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波（例如，通过光纤电缆的光脉冲）、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘计算设备。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构（ISA）指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令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）。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列（FPGA）或可编程逻辑阵列（PLA），该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。

这里参照根据本公开实施例的方法、装置（系统）和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理单元，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理单元执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本公开的多个实施例的系统、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、程序段或指令的一部分，所述模块、程序段或指令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。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，两个连续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，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动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。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (8)

1.一种用于对关于骨科的文本分类的方法，包括：

提取关于骨科的文本中的多个语句中的每个语句的关键信息；

从所提取的关键信息中识别骨科词元素，以便形成骨科词元素集合，所述骨科词元素与解剖部位、病理学改变、根手术、产品品类和限定词中的至少一项相关联；

基于预定的组合模式，将骨科词元素集合中的多个骨科词元素进行组合，以形成备选标签集合，所述备选标签集合包括多个备选标签，预定组合模式包括与手术相关的第一组合模式和与疾病相关第二组合模式；

将备选标签集合中的每一备选标签与预定骨科知识图谱中的骨科实体数据相匹配，以便基于匹配结果确定目标标签，骨科实体数据至少包括：手术相关实体数据和疾病相关实体数据；

响应于确定目标标签对应的组合模式为第一组合模式，将关于骨科的文本对应的类别确定为手术类别；以及

响应于确定目标标签对应的组合模式为第二组合模式，将关于骨科的文本对应的类别确定为疾病类别；

其中提取关于骨科的文本中的多个语句中的每个语句的关键信息包括：

识别关于骨科的文本中的多个段落；

识别每一个段落对应的主题信息；

确定每一个段落对应的主题信息是否属于感兴趣的主题信息，感兴趣的主题信息包括以下至少一项：体检信息、诊疗信息、住院信息、病情信息、注意事项、手术操作信息；以及

响应于确定所述段落对应的主题信息属于感兴趣的主题信息，提取所述段落中的多个语句中的每个语句的关键信息；

其中提取关于骨科的文本中的多个语句中的每个语句的关键信息还包括：

对每个语句进行切词处理以得到初始词元素集合，所述初始词元素集合包括多个初始词元素；

基于多个初始词元素和预定骨科词库，经由双向匹配算法，得到多个目标词元素；

根据目标词元素的词性，确定多个目标词元素之间的语义依赖关系；以及

根据多个目标词元素之间的语义依赖关系提取语句的关键信息，所述关键信息包括语句中的主语、谓语和宾语中的至少一项。

2.根据权利要求1所述的方法，其中第一组合模式包括：

将与解剖部位相关联的骨科词元素和一个与根手术相关联的骨科词元素组合以形成备选标签；或者

将与解剖部位相关联的骨科词元素和一个与根手术相关联的骨科词元素、以及与限定词相关联的骨科词元素、与产品品类相关联的骨科词元素、与限定词相关联的骨科词元素和与病理学改变相关联的骨科词元素中的至少一个组合，以形成备选标签；以及

第二组合模式包括：将一个与解剖部位相关联的骨科词元素和一个与病理学改变相关联的骨科词元素组合以形成备选标签。

3.根据权利要求1所述的方法，还包括：

以骨科实体数据作为节点、以骨科关系数据作为边构建骨科知识图谱，骨科实体数据包括手术名称、疾病名称，骨科关系数据包括解剖部位名称、治疗方法名称和病理学改变名称；以及

查询骨科知识图谱以确定与目标标签对应的目标节点；以及

输出与目标节点对应的解剖部位名称、治疗方法名称和病理学改变名称中的至少一项。

4.根据权利要求1所述的方法，其中识别每一个段落对应的主题信息包括：

基于识别模型识别每一个段落对应的主题信息，所述识别模型经由预定骨科文本库训练，预定骨科文本库指示分别与体检信息、诊疗信息、住院信息、病情信息、注意事项和手术操作信息中的至少一项相关联的标签，所述识别模型基于VDCNN模型和LSTM模型所构建。

5.根据权利要求1所述的方法，其中基于预定的组合模式，将骨科词元素集合中的多个骨科词元素进行组合，以形成备选标签集合包括：

将骨科词元素集合中的多个骨科词元素进行去重操作；

将经由去重操作的骨科词元素进行组合以形成备选标签集合。

6.根据权利要求1所述的方法，其中关于骨科的文本包括以下至少一项：

骨科病例文本、骨科知识文章、基于对骨科实操视频识别得到的文本。

7.一种电子设备，包括：

至少一个处理器；以及

与所述至少一个处理器通信连接的存储器；

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1至6中任一项所述的方法。

8.一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被机器执行时实现根据权利要求1至6中任一项所述的方法。

Images