CN115587593B - 信息抽取方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本公开的实施例公开了信息抽取方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：获取待识别文本信息；对上述待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合；对上述病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合；对于上述去重病例对象标识信息集合中的每个去重病例对象标识信息，确定上述待识别文本信息中，与上述去重病例对象标识信息对应的病例信息，作为目标病例信息；根据得到的目标病例信息集合，生成病例关联图，其中，上述病例关联图为有向图。该实施方式提高了信息提炼和使用效率。

Description

信息抽取方法、装置、电子设备和计算机可读介质

技术领域

本公开的实施例涉及计算机技术领域，具体涉及信息抽取方法、装置、电子设备和计算机可读介质。

背景技术

信息抽取，是指从文本中抽取关键信息(如，病例信息)的一项技术。目前，在进行信息抽取时，通常采用的方式是，通过人工的方式，从众多文本中对关键信息进行抽取。

然而，当采用上述方式时，经常会存在如下技术问题：

第一，当文本较多和/或文本内包含较多待抽取的关键信息时，采用人工的方式，信息抽取效率低下；

第二，仅对关键信息进行抽取，往往未根据抽取得到的关键信息进行信息提炼和使用，导致信息提炼和使用效率低下；

第三，当抽取得到的关键信息(如，病例信息)对应的对象之间存在疾病传播关系，往往无法有效地进行疾病溯源，导致无法及时地确认疾病传播情况。

发明内容

本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

本公开的一些实施例提出了信息抽取方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题中的一项或多项。

第一方面，本公开的一些实施例提供了一种信息抽取方法，该方法包括：获取待识别文本信息，其中，上述待识别文本信息包含至少两个病例的病例信息；对上述待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合；对上述病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合；对于上述去重病例对象标识信息集合中的每个去重病例对象标识信息，确定上述待识别文本信息中，与上述去重病例对象标识信息对应的病例信息，作为目标病例信息；根据得到的目标病例信息集合，生成病例关联图，其中，上述病例关联图为有向图。

第二方面，本公开的一些实施例提供了一种信息抽取装置，装置包括：获取单元，被配置成获取待识别文本信息，其中，上述待识别文本信息包含至少两个病例的病例信息；抽取单元，被配置成对上述待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合；去重处理单元，被配置成对上述病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合；确定单元，被配置成对于上述去重病例对象标识信息集合中的每个去重病例对象标识信息，确定上述待识别文本信息中，与上述去重病例对象标识信息对应的病例信息，作为目标病例信息；生成单元，被配置成根据得到的目标病例信息集合，生成病例关联图，其中，上述病例关联图为有向图。

第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。

第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的信息抽取方法，提高了信息抽取效率以及信息提炼和使用效率。具体来说，造成信息抽取效率低下，以及信息提炼和使用效率低下的原因在于：第一，当文本较多和/或文本内包含较多待抽取的关键信息时，采用人工的方式，信息抽取效率低下；第二，仅对关键信息进行抽取，往往未根据抽取得到的关键信息进行信息提炼和使用，导致信息提炼和使用效率低下。基于此，本公开的一些实施例的信息抽取方法，首先，获取待识别文本信息，其中，上述待识别文本信息包含至少两个病例的病例信息。其次，对上述待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合。通过病例对象抽取，以此确定待识别文本信息所包含的病例对象。接着，对上述病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合。以此，消除重复的病例对象标识信息。进一步，对于上述去重病例对象标识信息集合中的每个去重病例对象标识信息，确定上述待识别文本信息中，与上述去重病例对象标识信息对应的病例信息，作为目标病例信息。以此，确定去重病例标识信息对应的病例信息。最后，根据得到的目标病例信息集合，生成病例关联图，其中，上述病例关联图为有向图。通过此种方式，构建了病例之间的关联关系图，以此达到了对抽取得到的信息进行提炼和使用的目的。通过此种方式，相较于人工的方式，当文本较多和/或文本内包含较多待抽取的关键信息时，信息抽取效率大大提高。此外，通过构建病例关联图，以此达到了对抽取得到的信息进行提炼和使用的目的，提高了信息提炼和使用效率。

附图说明

结合附图并参考以下具体实施方式，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。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。

图1是本公开的一些实施例的信息抽取方法的一个应用场景的示意图；

图2是根据本公开的信息抽取方法的一些实施例的流程图；

图3是根据本公开的信息抽取方法的另一些实施例的流程图；

图4是数据信息链的示意图；

图5是病例关联图的示意图；

图6是根据本公开的信息抽取装置的一些实施例的结构示意图；

图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

下面将参考附图并结合实施例来详细说明本公开。

图1是本公开的一些实施例的信息抽取方法的一个应用场景的示意图。

在图1的应用场景中，首先，计算设备101可以获取待识别文本信息102，其中，上述待识别文本信息102包含至少两个病例的病例信息；其次，计算设备101可以对上述待识别文本信息102进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合103；接着，计算设备101可以对上述病例对象标识信息集合103中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合104；此外，计算设备101可以对于上述去重病例对象标识信息集合104中的每个去重病例对象标识信息，确定上述待识别文本信息102中，与上述去重病例对象标识信息对应的病例信息，作为目标病例信息；最后，计算设备101可以根据得到的目标病例信息集合105，生成病例关联图106，其中，上述病例关联图106为有向图。

需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。

继续参考图2，示出了根据本公开的信息抽取方法的一些实施例的流程200。该信息抽取方法，包括以下步骤：

步骤201，获取待识别文本信息。

在一些实施例中，信息抽取方法的执行主体(例如图1所示的计算设备101)可以通过有线连接，或无线连接的方式获取待识别文本信息。其中，上述待识别文本信息包含至少两个病例对象的病例信息。

作为示例，上述待识别文本信息可以是：

{

病例100:{

病例传播关系；

病例活动轨迹；

}

病例200:{

病例传播关系；

病例活动轨迹；

}

}。

步骤202，对待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合。

在一些实施例中，上述执行主体可以对待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合。其中，病例对象标识信息用于表征上述待识别文本信息包含的病例信息对应的病例对象。

作为示例，上述执行主体可以抽取上述待识别文本信息中字段为“病例XX”的字段，作为病例对象标识信息。例如，病例对象标识信息集合可以是[病例100，…，病例162，病例200，病例100]。

步骤203，对病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合。

在一些实施例中，上述执行主体可以对上述病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合。其中，上述去重病例对象标识信息集合中的去重病例对象标识信息在上述去重病例对象标识信息集合的出现次数仅有1次。

作为示例，上述病例对象标识信息集合可以是[病例100，…，病例162，病例200，病例100]。上述去重病例对象标识信息集合可以是[病例100，…，病例162，病例200]。

步骤204，对于去重病例对象标识信息集合中的每个去重病例对象标识信息，确定待识别文本信息中，与去重病例对象标识信息对应的病例信息，作为目标病例信息。

在一些实施例中，对于去重病例对象标识信息集合中的每个去重病例对象标识信息，上述执行主体可以确定待识别文本信息中，与去重病例对象标识信息对应的病例信息，作为目标病例信息。其中，上述目标病例信息是与上述去重病例对象标识信息对应的病例对象的病例信息。

作为示例，上述执行主体可以读取上述待识别文本信息中，与去重病例对象标识信息对应的病例信息，作为目标病例信息。例如，去重病例对象标识信息可以是“病例100”。则“病例100”对应的目标病例信息可以是：{

病例传播关系；

病例活动轨迹；}。

步骤205，根据得到的目标病例信息集合，生成病例关联图。

在一些实施例中，上述执行主体可以根据得到的目标病例信息集合，生成病例关联图。其中，上述病例关联图为有向图。

作为示例，上述执行主体根据得到的目标病例信息集合，生成病例关联图，可以包括以下步骤：

第一步，将上述目标病例信息集合中的目标病例信息对应的病例对象，确定为上述病例关联图中的图节点。

第二步，根据目标病例信息集合中的目标病例信息包含的传播关系，确定上述病例关联图中的图节点之间的有向边。

例如，病例“100”应为“病例200”的传播源，则“病例100”对应的图节点，和“病例200”对应的图节点之间存在一条，从“病例100”对应的图节点指向“病例200”对应的图节点的有向边。

本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的信息抽取方法，提高了信息抽取效率以及信息提炼和使用效率。具体来说，造成信息抽取效率低下，以及信息提炼和使用效率低下的原因在于：第一，当文本较多和/或文本内包含较多待抽取的关键信息时，采用人工的方式，信息抽取效率低下；第二，仅对关键信息进行抽取，往往未根据抽取得到的关键信息进行信息提炼和使用，导致信息提炼和使用效率低下。基于此，本公开的一些实施例的信息抽取方法，首先，获取待识别文本信息，其中，上述待识别文本信息包含至少两个病例的病例信息。其次，对上述待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合。通过病例对象抽取，以此确定待识别文本信息所包含的病例对象。接着，对上述病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合。以此，消除重复的病例对象标识信息。进一步，对于上述去重病例对象标识信息集合中的每个去重病例对象标识信息，确定上述待识别文本信息中，与上述去重病例对象标识信息对应的病例信息，作为目标病例信息。以此，确定去重病例标识信息对应的病例信息。最后，根据得到的目标病例信息集合，生成病例关联图，其中，上述病例关联图为有向图。通过此种方式，构建了病例之间的关联关系图，以此达到了对抽取得到的信息进行提炼和使用的目的。通过此种方式，相较于人工的方式，当文本较多和/或文本内包含较多待抽取的关键信息时，信息抽取效率大大提高。此外，通过构建病例关联图，以此达到了对抽取得到的信息进行提炼和使用的目的，提高了信息提炼和使用效率。

进一步参考图3，其示出了信息抽取方法的另一些实施例的流程300。该信息抽取方法的流程300，包括以下步骤：

步骤301，获取待识别文本信息。

在一些实施例中，步骤301的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤201，在此不再赘述。

步骤302，对待识别文本信息进行实体识别，以生成实体信息，得到实体信息集合。

在一些实施例中，信息抽取方法的执行主体(例如图1所示的计算设备101)可以通过病例对象抽取模型中的实体识别模型，对待识别文本信息进行实体识别，以生成实体信息，得到实体信息集合。其中，实体信息可以表征上述待识别文本信息中出现的实体。例如，上述实体识别模型可以是BERT模型。

作为示例，实体信息可以是{实体：“病例100”，位置：(1，5)}。

步骤303，确定实体信息集合中的每个实体信息对应的实体类别。

在一些实施例中，上述执行主体可以通过对象抽取模型中的实体类别分类模型，确定上述实体信息的实体类别。其中，实体类别表征实体信息对应的实体的类别。例如，上述分类模型可以是RF(随机森林，Random Forest)模型。

作为示例，实体信息可以是{实体：“病例100”，位置：(1，5)}，则实体信息对应的实体类别可以是“病例对象”。上述实体信息还可以是{实体：“XX路XX号”，位置：(12，5)}，则实体信息对应的实体类别可以是“地名”。

通过上述病例对象抽取模型可以较好地确定实体信息对应的实体类别。实际情况中，传统的实体识别方法，在确定实体的过程中，往往仅能确定固定的实体类别。但当应用场景不同时，采用普适化的实体类别，对于实体的类别的分类不够精准。因此，本公开通过结合实体识别模型和实体类别分类模型的病例对象抽取模型，能够较好地完成实体识别，以及实体类别分类。保证了生成的实体信息对应的实体类别的准确性。

步骤304，从实体信息集合中筛选出对应的实体类别满足筛选条件的实体信息，作为病例对象标识信息，得到病例对象标识信息集合。

在一些实施例中，上述执行主体可以从实体信息集合中筛选出对应的实体类别满足筛选条件的实体信息，作为病例对象标识信息，得到病例对象标识信息集合。其中，上述筛选条件为实体类别表征实体信息对应的实体为病例对象。

步骤305，对病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合。

在一些实施例中，步骤305的具体实现及其所带来的技术效果，可以参考图2对应的实施例中的步骤203，在此不再赘述。

步骤306，对于去重病例对象标识信息集合中的每个去重病例对象标识信息，确定待识别文本信息中，与去重病例对象标识信息对应的病例信息，作为目标病例信息。

在一些实施例中，对于去重病例对象标识信息集合中的每个去重病例对象标识信息，上述执行主体可以确定待识别文本信息中，与去重病例对象标识信息对应的病例信息，作为目标病例信息。其中，目标病例信息集合中的目标病例信息包括：病例类型信息、传染源信息集合和出行信息集合。出行信息集合中的出行信息包括：出行时间、出行地点和活动类型信息。传染源信息集合表征传染上述目标病例信息对应的病例对象的传染源(如，其他病例对象)。出行时间信息集合中的出行信息表征上述目标病例信息对应的病例对象的出行情况。

作为示例，上述执行主体确定待识别文本信息中，与去重病例对象标识信息对应的病例信息，作为目标病例信息，可以包括以下步骤：

第一步，确定上述待识别文本信息中包含上述去重病例对象标识信息的文本区域，以生成文本区域信息。

其中，上述文本区域信息表征包含上述去重病例对象标识信息的文本区域。例如，上述文本区域信息可以包括文本区域对应的四个角点坐标。上述执行主体可以通过OCR(Optical Character Recognition，光学字符识别)技术，将包含上述去重病例对象标识信息的文本区域，确定为上述文本区域信息对应的文本区域。

第二步，对于预设病例类型信息集合中的每个预设病例类型信息，执行以下病例类型信息确定步骤：

第一子步骤，将上述预设病例类型信息与上述文本区域信息对应的文本进行文本匹配。

其中，上述预设病例类型信息可以表征预先设定的病例类型。例如，上述预设病例类型信息可以是以下任意一项：无症状感染和有症状感染。上述执行主体可以通过KMP(TheKnuth-Morris-Pratt，字符串匹配)算法，将上述预设病例类型信息与上述文本区域信息对应的文本进行文本匹配。

第二子步骤，响应于匹配成功，将上述预设病例类型信息确定为上述目标病例信息包括的病例类型信息。

例如，上述病例类型信息可以是“无症状感染”。

第三步，将上述病例对象标识信息集合中与上述文本区域信息对应的病例对象标识信息，确定为候选病例对象标识信息，得到候选病例标识信息集合。

其中，上述候选病例标识信息集合中不包括上述去重病例对象标识信息。

作为示例，上述文本区域信息对应的区域可以包括[“病例100”，“病例200”，“病例300”]。上述去重病例对象标识信息可以是“病例100”。则候选病例标识信息集合可以是[“病例200”，“病例300”]。

第四步，对于上述候选病例标识信息集合中的每个候选病例标识信息，根据上述文本区域信息对应的文本，确定上述候选病例标识信息和上述去重病例对象标识信息的关联关系，以生成关联关系信息。

其中，关联关系信息表征候选病例标识信息和上述去重病例对象标识信息的关联关系。例如，关联关系信息可以是[“病例200”，“病例300”，被传染]，则可以表征“病例200”被“病例300”传染。上述执行主体可以通过Word2vec模型，提取候选病例标识信息和上述去重病例对象标识信息的关联关系，以生成关联关系信息。

第五步，将得到的关联关系信息集合中满足关联关系筛选条件的关联关系信息对应的候选病例标识信息，确定为上述目标病例信息包括的传染源信息集合中的传染源信息。

其中，上述关联关系筛选条件为：关联关系信息表征候选病例标识信息对应的病例对象为上述去重病例对象标识信息对应的病例对象的传染源。

第六步，对上述文本区域信息内的文本进行文本分段处理，以生成文本段，得到文本段集合。

其中，上述执行主体可以以分隔符作为分隔依据，对上述文本区域信息内的文本进行文本分段处理，以生成文本段，得到文本段集合。其中，文本段表征一个文本段落。上述分割符可以是句号，上述分割符也可以是分号。

第七步，对上述文本段集合中的每个文本段进行实体识别，以生成实体信息组，得到实体信息组集合。

其中，实体信息组表征文本段内包含的实体。上述执行主体可以通过上述实体识别模型对上述文本段集合中的每个文本段进行实体识别，以生成实体信息组。

第八步，根据上述实体信息组集合中的每个实体信息组中的实体信息对应的实体类型信息，确定出行信息包括的出行时间、出行地点和活动类型信息，以得到上述目标病例信息包括的出行信息集合。

其中，上述执行主体可以根据实体信息对应的实体类型，确定出行信息包括的出行时间、出行地点和活动类型信息。上述执行主体可以通过Word2vec模型提取实体信息组中实体信息对应的实体之间的关联关系，以生成活动类型信息。

步骤307，根据得到的目标病例信息集合，生成病例关联图。

在一些实施例中，上述执行主体根据得到的目标病例信息集合，生成病例关联图。

作为示例，对于上述目标病例信息集合中的每个目标病例信息，上述执行主体可以执行以下处理步骤：

第一步，将上述目标病例信息，确定为上述病例关联图中的图节点。

第二步，根据上述目标病例信息包括的传染源信息集合，确定上述目标病例信息对应的图节点对应的、上述病例关联图中的图节点关系边。

作为示例，目标病例信息对应的病例对象可以是“病例100”，目标病例信息包括的传染源信息集合可以是[病例93，病例92]。则生成一条从“病例93”对应的图节点，指向“病例100”对应的图节点的有向边。以及，生成一条从“病例92”对应的图节点，指向“病例100”对应的图节点的有向边。

第三步，根据上述目标病例信息包括的出行信息集合中的出行信息包括的出行时间，对上述目标病例信息包括的出行信息集合中出行信息进行排序，以生成出行信息序列。

其中，上述执行主体可以根据出行时间，按照由小到大的顺序，对上述目标病例信息包括的出行信息集合中出行信息进行排序，以生成出行信息序列。

第四步，根据上述出行信息序列，生成数据信息链。

其中，数据信息链中的数据信息可以包括：出行信息和数据信息哈希串。其中，数据信息哈希串是通过哈希算法对当前数据信息之后的数据信息包括的出行信息散列处理后得到的。

作为示例，上述数据信息链可以如图4所示。数据信息链上的数据信息链可以包括数据信息A、数据信息B和数据信息C。其中，数据信息A包括：出行信息A和数据信息哈希串A。数据信息B包括：出行信息B和数据信息哈希串B。数据信息C包括：出行信息C和数据信息哈希串C。其中，数据信息哈希串A是对出行信息B进行散列处理得到的。数据信息哈希串B是对出行信息C进行散列处理得到的。上述执行主体可以通过出行信息的存储首地址进行数据信息链的信息处理(如，查询，删除，修改)。同时，通过增加数据信息哈希串，可以根据数据信息哈希串检验数据信息中存储的出行信息是否被篡改。如，可以根据数据信息哈希串B，校验出行信息C是否被篡改。以此保证了数据信息链上的数据的防篡改性。

第五步，将上述数据信息链与上述目标病例信息对应的图节点进行链接。

作为示例，如图5所示的病例关联图的示意图，其中，病例关联图可以包括5个图节点。其中，病例对象A对应的图节点分别和病例对象C对应的图节点、病例对象B对应的图节点、病例对象E对应的图节点之间存在有向边。病例对象E对应的图节点分别和病例对象B对应的图节点、病例对象F对应的图节点之间存在有向边。病例对象C对应的图节点和病例对象D对应的图节点之间存在有向边。病例对象B对应的图节点分别和病例对象F对应的图节点、病例对象D对应的图节点之间存在有向边。病例对象B对应的图节点分别和病例对象F对应的图节点、病例对象D对应的图节点之间存在有向边。病例对象A对应的图节点链接有数据信息链501。病例对象B对应的图节点链接有数据信息链502。病例对象C对应的图节点链接有数据信息链503。病例对象D对应的图节点链接有数据信息链504。病例对象E对应的图节点链接有数据信息链505。病例对象F对应的图节点链接有数据信息链506。

可选地，上述执行主体还可以执行以下处理步骤：

第一步，响应于存在目标病例关联图，将上述病例关联图与上述目标病例关联图进行图融合，以生成融合后的目标病例关联图。

其中，目标病例关联图是根据包含历史病例信息的文本信息生成的。

第二步，确定上述融合后的目标病例关联图中的每个图节点的出入度信息，其中，出入度信息包括：出度信息和入度信息。

其中，出度信息表征图节点的出度。入度信息表征图节点的入度。

第三步，从融合后的目标病例关联图中筛选出对应的出入度信息满足图节点筛选条件的图节点，作为目标图节点，得到目标图节点集合。

其中，图节点筛选条件为出入度信息包括的出度信息大于预设值、且出入度信息包括的入度信息等于上述预设值。预设值可以是0。

第四步，将上述目标图节点集合中的目标图节点对应的目标病例信息，确定为候选病例信息，得到候选病例信息集合。

第五步，将上述候选病例信息集合发送至信息显示终端以供显示。

其中，上述执行主体可以通过有线连接或无线连接的方式，将上述候选病例信息集合发送至上述信息显示终端。上述信息显示终端可以是用于信息显示的终端，例如，上述信息显示终端可以是“电脑”。

第五步，根据上述融合后的目标病例关联图中的图节点对应的目标病例信息包括的出行信息集合，确定风险区域信息。

其中，首先，上述执行主体可以统计上述融合后的目标病例关联图中的图节点对应的出行信息集合中的出行地点的出现次数。然后，上述执行主体可以将出现次数最大的出行地点所在的区域，确定为风险区域信息对应的风险区域。

第六步，将上述风险区域信息发送至上述信息显示终端以供显示。

其中，上述执行主体可以将上述风险区域信息，通过有线连接或无线连接的方式，发送至上述信息显示终端。

步骤307中的内容作为本公开的一个发明点，解决了背景技术提及的技术问题三，即“当抽取得到的关键信息(如，病例信息)对应的对象之间存在疾病传播关系，往往无法有效地进行疾病溯源，导致无法及时地确认疾病传播情况”。实际情况中，当病例对象之间存在疾病传播关系时，通过疾病溯源追踪至零号病人，对于疾病的防治都有较多积极的效果。然后，尤其是在被传染的病例对象体量较大时，现有技术往往无法有效地进行疾病溯源，导致无法及时地确认疾病传播情况。基于此，本公开通过对文本信息进行关键信息提取，以生成融合后的目标病例关联图，通过此种方式实现了疾病传播路线的图示化。由于零号病人往往是首个被感染的对象。因此，可以通过图节点的出度和入度量化图节点对应的病例对象是否是零号病人。此外，考虑到不同病例对象在确诊之前往往会在一定区域内进行活动。通过融合后的目标病例关联图中与图节点链接的数据信息链，可以有效地确定风险区域。通过本公开的信息抽取方式，以及特殊结构的融合后的目标病例关联图，可以有效地提取病例对象的病例信息，以及对疾病进行溯源，提高了疾病溯源的精准度和效率，使得可以及时地确定疾病传播情况。

从图3可以看出，与图2对应的一些实施例的描述相比，本公开首先，通过对文本信息进行关键信息提取，以生成融合后的目标病例关联图，通过此种方式实现了疾病传播路线的图示化。由于零号病人往往是首个被感染的对象。因此，可以通过图节点的出度和入度量化图节点对应的病例对象是否是零号病人。此外，考虑到不同病例对象在确诊之前往往会在一定区域内进行活动。通过融合后的目标病例关联图中与图节点链接的数据信息链，可以有效地确定风险区域。通过本公开的信息抽取方式，以及特殊结构的融合后的目标病例关联图，可以有效地提取病例对象的病例信息，以及对疾病进行溯源，提高了疾病溯源的精准度和效率，使得可以及时地确定疾病传播情况。

进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种信息抽取装置的一些实施例，这些装置实施例与图2所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，一些实施例的网页生成装置600包括：获取单元、抽取单元、去重处理单元、确定单元和生成单元。其中，获取单元601，被配置成获取待识别文本信息，其中，上述待识别文本信息包含至少两个病例对象的病例信息；抽取单元602，被配置成对上述待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合；去重处理单元603，被配置成对上述病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合；确定单元604，被配置成对于上述去重病例对象标识信息集合中的每个去重病例对象标识信息，确定上述待识别文本信息中，与上述去重病例对象标识信息对应的病例信息，作为目标病例信息；生成单元605，被配置成根据得到的目标病例信息集合，生成病例关联图，其中，上述病例关联图为有向图。

可以理解的是，该装置600中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置600及其中包含的单元，在此不再赘述。

下面参考图7，其示出了适于用来实现本公开的一些实施例的电子设备(如图1所示的计算设备101)700的结构示意图。图7示出的电子设备仅仅是一个示例，不应对本公开的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可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的一些实施例，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，本公开的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开的一些实施例的方法中限定的上述功能。

需要说明的是，本公开的一些实施例中记载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(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。在本公开的一些实施例中，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。而在本公开的一些实施例中，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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述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该电子设备执行时，使得该电子设备：获取待识别文本信息，其中，上述待识别文本信息包含至少两个病例对象的病例信息；对上述待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合；对上述病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合；对于上述去重病例对象标识信息集合中的每个去重病例对象标识信息，确定上述待识别文本信息中，与上述去重病例对象标识信息对应的病例信息，作为目标病例信息；根据得到的目标病例信息集合，生成病例关联图，其中，上述病例关联图为有向图。

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公开的一些实施例的操作的计算机程序代码，上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。程序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)。

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，该模块、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。

描述于本公开的一些实施例中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，例如，可以描述为：一种处理器包括获取单元、抽取单元、去重处理单元、确定单元和生成单元。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，例如，抽取单元还可以被描述为“对上述待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合的单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (6)

1.一种信息抽取方法，包括：

获取待识别文本信息，其中，所述待识别文本信息包含至少两个病例对象的病例信息；

对所述待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合；

对所述病例对象标识信息集合中的病例对象标识信息进行去重处理，以生成去重病例标识对象信息，得到去重病例对象标识信息集合；

对于所述去重病例对象标识信息集合中的每个去重病例对象标识信息，确定所述待识别文本信息中，与所述去重病例对象标识信息对应的病例信息，作为目标病例信息；

根据得到的目标病例信息集合，生成病例关联图，其中，所述病例关联图为有向图；

响应于存在目标病例关联图，将所述病例关联图与所述目标病例关联图进行图融合，以生成融合后的目标病例关联图，其中，目标病例关联图是根据包含历史病例信息的文本信息生成的；

确定所述融合后的目标病例关联图中的每个图节点的出入度信息，其中，出入度信息包括：出度信息和入度信息；

从融合后的目标病例关联图中筛选出对应的出入度信息满足图节点筛选条件的图节点，作为目标图节点，得到目标图节点集合；

将所述目标图节点集合中的目标图节点对应的目标病例信息，确定为候选病例信息，得到候选病例信息集合；

将所述候选病例信息集合发送至信息显示终端以供显示；

根据所述融合后的目标病例关联图中的图节点对应的目标病例信息包括的出行信息集合，确定风险区域信息，其中，

所述根据得到的目标病例信息集合，生成病例关联图，包括：

对于所述目标病例信息集合中的每个目标病例信息，执行以下处理步骤：

将所述目标病例信息，确定为所述病例关联图中的图节点；

根据所述目标病例信息包括的传染源信息集合，确定所述目标病例信息对应的图节点对应的、所述病例关联图中的图节点关系边；

根据所述目标病例信息包括的出行信息集合中的出行信息包括的出行时间，对所述目标病例信息包括的出行信息集合中出行信息进行排序，以生成出行信息序列；

根据所述出行信息序列，生成数据信息链；

将所述数据信息链与所述目标病例信息对应的图节点进行链接。

2.根据权利要求1所述的方法，其中，所述对所述待识别文本信息进行病例对象抽取，以生成病例对象标识信息，得到病例对象标识信息集合，包括：

对所述待识别文本信息进行实体识别，以生成实体信息，得到实体信息集合；

确定所述实体信息集合中的每个实体信息对应的实体类别；

从所述实体信息集合中筛选出对应的实体类别满足筛选条件的实体信息，作为所述病例对象标识信息，得到所述病例对象标识信息集合，其中，所述筛选条件为实体类别表征实体信息对应的实体为病例对象。

3.根据权利要求2所述的方法，其中，所述目标病例信息集合中的目标病例信息包括：病例类型信息和传染源信息集合；以及

所述确定所述待识别文本信息中，与所述去重病例对象标识信息对应的病例信息，作为目标病例信息，包括：

确定所述待识别文本信息中包含所述去重病例对象标识信息的文本区域，以生成文本区域信息；

对于预设病例类型信息集合中的每个预设病例类型信息，执行以下病例类型信息确定步骤：

将所述预设病例类型信息与所述文本区域信息对应的文本进行文本匹配；

响应于匹配成功，将所述预设病例类型信息确定为所述目标病例信息包括的病例类型信息；

将所述病例对象标识信息集合中与所述文本区域信息对应的病例对象标识信息，确定为候选病例对象标识信息，得到候选病例标识信息集合，其中，所述候选病例标识信息集合中不包括所述去重病例对象标识信息；

对于所述候选病例标识信息集合中的每个候选病例标识信息，根据所述文本区域信息对应的文本，确定所述候选病例标识信息和所述去重病例对象标识信息的关联关系，以生成关联关系信息；

将得到的关联关系信息集合中满足关联关系筛选条件的关联关系信息对应的候选病例标识信息，确定为所述目标病例信息包括的传染源信息集合中的传染源信息。

4.根据权利要求3所述的方法，其中，所述目标病例信息集合中的目标病例信息还包括：出行信息集合，其中，所述出行信息集合中的出行信息包括：出行时间、出行地点和活动类型信息；以及

所述确定所述待识别文本信息中，与所述去重病例对象标识信息对应的病例信息，作为目标病例信息，还包括：

对所述文本区域信息内的文本进行文本分段处理，以生成文本段，得到文本段集合；

对所述文本段集合中的每个文本段进行实体识别，以生成实体信息组，得到实体信息组集合；

根据所述实体信息组集合中的每个实体信息组中的实体信息对应的实体类型信息，确定出行信息包括的出行时间、出行地点和活动类型信息，以得到所述目标病例信息包括的出行信息集合。

5.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至4中任一所述的方法。

6.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1至4中任一所述的方法。

Images