WO2021184552A1 - 医疗文本搜索方法、装置、计算机设备及存储介质 - Google Patents

医疗文本搜索方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
WO2021184552A1
WO2021184552A1 PCT/CN2020/093322 CN2020093322W WO2021184552A1 WO 2021184552 A1 WO2021184552 A1 WO 2021184552A1 CN 2020093322 W CN2020093322 W CN 2020093322W WO 2021184552 A1 WO2021184552 A1 WO 2021184552A1
Authority
WO
WIPO (PCT)
Prior art keywords
medical
text
searched
sentence
expanded
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.)
Ceased
Application number
PCT/CN2020/093322
Other languages
English (en)
French (fr)
Inventor
吴汇哲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Publication of WO2021184552A1 publication Critical patent/WO2021184552A1/zh
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/237—Lexical tools
    • G06F40/247—Thesauruses; Synonyms
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G06F40/295—Named entity recognition
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods

Definitions

  • This application relates to the field of smart medical technology, in particular to a medical text search method, device, computer equipment and readable storage medium.
  • the first aspect of the present application provides a medical text search method, the method includes:
  • each medical text includes release time, source, type, title, abstract and body content, and each medical text has a corresponding link address;
  • the search request including the text to be searched, the time limit for the text to be searched, the type of the text to be searched, and the target source of the text to be searched;
  • the preset number of candidate medical texts with the highest matching score are returned to the requesting party.
  • a second aspect of the present application provides a medical text search device, the device includes:
  • the acquisition module is used to acquire multiple medical texts.
  • Each medical text includes release time, source, type, title, abstract and body content, and each medical text has a corresponding link address;
  • the first recognition module is used to perform medical named entity recognition on the title, abstract, and body content of each medical text in the multiple medical texts to obtain multiple medical named entities of each medical text, and each medical named entity There is a corresponding position number;
  • a receiving module configured to receive a search request from the requesting party, the search request including the text to be searched, the time limit for the text to be searched, the type of the text to be searched, and the target source of the text to be searched;
  • An expansion module used to expand the text to be searched to obtain the expanded text to be searched
  • the second recognition module is configured to perform medical named entity recognition on the expanded text to be searched, and obtain multiple medical named entities of the expanded text to be searched;
  • the search module is used to search the medical named entity matching the medical named entity of the expanded text to be searched in the multiple medical texts, and the source and type match the text to be searched, and the publishing time is later than the text to be searched.
  • a calculation module configured to calculate matching scores of the multiple candidate medical texts according to the position serial numbers of the medical named entities of the multiple candidate medical texts and the multiple medical named entities of the expanded text to be searched;
  • the return module is used to return the preset number of candidate medical texts with the highest matching score to the requester.
  • a third aspect of the present application provides a computer device, the computer device includes a processor, and the processor is configured to execute the following steps when executing computer-readable instructions stored in a memory:
  • each medical text includes release time, source, type, title, abstract and body content, and each medical text has a corresponding link address;
  • the search request including the text to be searched, the time limit for the text to be searched, the type of the text to be searched, and the target source of the text to be searched;
  • the preset number of candidate medical texts with the highest matching score are returned to the requesting party.
  • the fourth aspect of the present application provides one or more readable storage media storing computer readable instructions.
  • the computer readable instructions When executed by one or more processors, the one or more processors execute the following step:
  • each medical text includes release time, source, type, title, abstract and body content, and each medical text has a corresponding link address;
  • the search request including the text to be searched, the time limit for the text to be searched, the type of the text to be searched, and the target source of the text to be searched;
  • the preset number of candidate medical texts with the highest matching score are returned to the requesting party.
  • This application realizes the search for matching medical texts from the medical text collection according to the user's input, and improves the accuracy of the medical text search.
  • Fig. 1 is a flowchart of a medical text search method provided by an embodiment of the present application.
  • Fig. 2 is a structural diagram of a medical text search device provided by an embodiment of the present application.
  • Fig. 3 is a schematic diagram of a computer device provided by an embodiment of the present application.
  • the medical text search method of the present application is applied to one or more computer devices.
  • the computer device is a device that can automatically perform numerical calculation and/or information processing in accordance with pre-set or stored instructions.
  • Its hardware includes, but is not limited to, a microprocessor and an application specific integrated circuit (ASIC) , Programmable Gate Array (Field-Programmable Gate Array, FPGA), Digital Processor (Digital Signal Processor, DSP), embedded equipment, etc.
  • ASIC application specific integrated circuit
  • FPGA Field-Programmable Gate Array
  • DSP Digital Processor
  • embedded equipment etc.
  • the computer device may be a computing device such as a desktop computer, a notebook, a palmtop computer, and a cloud server.
  • the computer device can interact with the user through a keyboard, a mouse, a remote control, a touch panel, or a voice control device.
  • Fig. 1 is a flowchart of a medical text search method provided in Embodiment 1 of the present application.
  • the medical text search method is applied to a computer device, and is used to search and match medical text from a medical text collection according to a user's input.
  • the medical text search method includes:
  • each medical text includes release time, source, type, title, abstract, and body content, and each medical text has a corresponding link address.
  • the medical text may be a web page, which may be directly searched from the Internet or crawled from the Internet through a web crawler.
  • Each webpage may include the publication time of the webpage, the source of the webpage, the type of content of the webpage, the title, abstract, and body content of the webpage, etc.
  • the crawler code program simulates the browser to send a medical text request to the web server, so that the medical text can be read from the network stream and saved locally.
  • it is further extracted from the crawled information based on the relevant information extraction rules Information needed. It is preferable to deploy a designated crawler program through the Docker container as a medium to crawl medical text.
  • the crawled websites include designated publicity websites and websites searched through search engines.
  • the source of the medical text may include the Chinese Medical Association, the Chinese Medical Doctor Association, and the Chinese Anti-Cancer Association.
  • the type of medical text can include guidelines, consensus, norms, etc.
  • the link address corresponding to the medical text can indicate the storage path of the medical text; the medical text can be located and obtained through the link address corresponding to the medical text.
  • the type of the medical text may also include department types such as internal medicine, surgery, and gynecology.
  • the performing medical named entity recognition on the title, abstract, and body content of each medical text in the plurality of medical texts includes:
  • Each sentence can be divided into words or characters. Transform multiple words of each sentence into a word vector through a trained word embedding model; or transform multiple words of each sentence into a word vector through a trained word embedding model. Combine the word vectors of each sentence in word order to get the vector sequence of the sentence, or combine the word vectors of each sentence in the word order to get the vector sequence of the sentence.
  • the first two-way long and short-term memory network can extract the semantic information of the sentence and the context information of each word (or word) in the sentence, and transfer the extracted information to the first conditional follow-up in the form of a feature vector sequence.
  • the airport classifies each word (or word) in the sentence through the conditional random field to obtain the mark sequence of the sentence.
  • Medical named entities can include diseases, symptoms, medicines, etc.
  • a sentence in the medical text is "Diabetes is one of the main chronic diseases endangering human physical and mental health"
  • the tag sequence is "B-1 I-1 E-1 O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O
  • the medical named entity of the sentence is the disease "diabetes”.
  • “B-1” represents the beginning word of the disease (1 represents the disease, 2 represents the symptoms, and 3 represents the medicine)
  • I-1 represents the middle word of the disease
  • E-1 represents the last word of the disease
  • O means other characters (words that are not named entities).
  • the method before the medical named entity recognition is performed on the title, abstract, and body content of each medical text in the multiple medical texts, the method further includes:
  • 103 Receive a search request from the requesting party, where the search request includes the text to be searched, the time limit for the text to be searched, the type of the text to be searched, and the target source of the text to be searched.
  • the text to be searched may be filtered by the limited time of the text to be searched, the type of the text to be searched, and the target source of the text to be searched.
  • the text to be searched is "Diabetes Treatment”
  • the time limit for the text to be searched is "2019”
  • the type of text to be searched is "Guide”
  • the target source of the text to be searched is "Chinese Medical Association”.
  • the expanding the text to be searched includes:
  • the determining a set of synonyms of each target word in the plurality of words includes:
  • the target word is deleted from the text to be searched to obtain a matching template of the target word, the matching template is searched from the multiple medical texts, and the sentence in which the matching template is found is compared with the target word
  • the corresponding word is determined as a synonym of the target word, wherein the position of the target word in the matching template is consistent with the position of the word corresponding to the target word in the found matching template.
  • the performing medical named entity recognition on the expanded text to be searched includes:
  • the medical named entity is identified according to the tag sequence of each sentence in the preprocessed text content.
  • the medical named entities in the multiple medical texts it is possible to search the medical named entities in the multiple medical texts to match the medical named entities (such as diabetes, hyperglycemia, etc.) of the expanded text to be searched, the source (such as the Chinese Medical Association), and the type (such as guidelines) and Multiple candidate medical texts that match the text to be searched and publish time later than the limit time (such as 2019) of the text to be searched.
  • the medical named entities such as diabetes, hyperglycemia, etc.
  • the source such as the Chinese Medical Association
  • the type such as guidelines
  • Multiple candidate medical texts that match the text to be searched and publish time later than the limit time (such as 2019) of the text to be searched.
  • the matching scores of the multiple candidate medical texts are calculated according to the position serial numbers of the medical named entities of the multiple candidate medical texts and the multiple medical named entities of the expanded text to be searched. include:
  • mi is the number of medical named entities in the i-th medical text that is consistent with the multiple medical named entities of the expanded text to be searched
  • O i,j represents the j-th medical name in the i-th medical text
  • the position number of the entity E i,1 represents the set of position numbers of the title of the i-th medical text
  • E i,2 represents the set of position numbers of the abstract of the i-th medical text
  • E i,3 represents the set of position numbers of the abstract of the i-th medical text.
  • the set of position numbers of the head and end sentences of the text content of the i medical text, E i,4 represents the set of position numbers of the non head and tail sentences in the text content of the i-th medical text, d 1 , d 2 , d 3 And d 4 are preset values;
  • C i represents the number of medical named entities in the i-th medical text consistent with the medical named entities of the expanded text to be searched
  • Ai represents the number of medical named entities in the i-th medical text
  • B represents all The number of medical named entities in the expanded text to be searched
  • F represents the number of words in the expanded text to be searched
  • the matching score P i of the i-th medical text is calculated:
  • w i,1 and w i,2 are preset weights.
  • d 1 >d 2 >d 3 >d 4 , d 1 , d 2 , d 3 , and d 4 can be 4, 3, 2, 1 respectively; w i,1 , w i,2 can be respectively The values are 0.5 and 0.5.
  • the abstract of the preset number of candidate medical texts with the highest matching score and the corresponding link address may be returned to the requesting party.
  • the abstracts of the 5 candidate medical texts with the highest matching scores and the corresponding link addresses can be returned to the requester, so that the requester can obtain more detailed and higher matching information by clicking the link address.
  • the medical text search method of the first embodiment obtains multiple medical texts, each medical text includes release time, source, type, title, abstract and body content, and each medical text has a corresponding link address; for the multiple medical texts
  • the title, abstract, and body content of each medical text in the medical text are identified by medical named entities, and multiple medical named entities of each medical text are obtained.
  • Each medical named entity has a corresponding position number; the search request from the requesting party is received, so The search request includes the text to be searched, the time limit for the text to be searched, the type of the text to be searched, and the target source of the text to be searched; the text to be searched is expanded to obtain the expanded text to be searched Text; performing medical named entity recognition on the expanded text to be searched to obtain multiple medical named entities of the expanded text to be searched; searching for medical named entities and the expanded text in the multiple medical texts
  • the medical named entity matching, source and type of the text to be searched for are matched with the text to be searched, and multiple candidate medical texts whose publishing time is later than the limit time of the text to be searched; medical treatment according to the multiple candidate medical texts
  • the position number of the named entity and the multiple medical named entities of the expanded text to be searched calculate the matching scores of the multiple candidate medical texts; and the preset number of candidate medical texts with the highest matching scores are returned to the requesting party.
  • the first embodiment searches for matching medical texts from the medical text collection according to the user
  • Fig. 2 is a structural diagram of a medical text search device provided in the second embodiment of the present application.
  • the medical text search device 20 is applied to computer equipment.
  • the medical text search device 20 is used to search for matching medical texts from the medical text collection according to the user's input.
  • the medical text search device 20 may include an acquisition module 201, a first recognition module 202, a receiving module 203, an extension module 204, a second recognition module 205, a search module 206, a calculation module 207, and a return module 208 .
  • the obtaining module 201 is used to obtain a plurality of medical texts, each medical text includes release time, source, type, title, abstract and body content, and each medical text has a corresponding link address.
  • the medical text may be a web page, which may be directly searched from the Internet or crawled from the Internet through a web crawler.
  • Each webpage may include the publication time of the webpage, the source of the webpage, the type of content of the webpage, the title, abstract, and body content of the webpage, etc.
  • the crawler code program simulates the browser to send a medical text request to the web server, so that the medical text can be read from the network stream and saved locally.
  • it is further extracted from the crawled information based on the relevant information extraction rules Information needed. It is preferable to deploy a designated crawler program through the Docker container as a medium to crawl medical text.
  • the crawled websites include designated publicity websites and websites searched through search engines.
  • the source of the medical text may include the Chinese Medical Association, the Chinese Medical Doctor Association, and the Chinese Anti-Cancer Association.
  • the types of medical texts can include guidelines, consensus, norms, and so on.
  • the link address corresponding to the medical text can indicate the storage path of the medical text; the medical text can be located and obtained through the link address corresponding to the medical text.
  • the type of the medical text may also include department types such as internal medicine, surgery, and gynecology.
  • the first recognition module 202 is configured to perform medical named entity recognition on the title, abstract, and body content of each medical text in the multiple medical texts, to obtain multiple medical named entities of each medical text, and each medical name The entity has a corresponding position number.
  • the performing medical named entity recognition on the title, abstract, and body content of each medical text in the plurality of medical texts includes:
  • Each sentence can be divided into words or characters. Transform multiple words of each sentence into a word vector through a trained word embedding model; or transform multiple words of each sentence into a word vector through a trained word embedding model. Combine the word vectors of each sentence in word order to get the vector sequence of the sentence, or combine the word vectors of each sentence in the word order to get the vector sequence of the sentence.
  • the first two-way long and short-term memory network can extract the semantic information of the sentence and the context information of each word (or word) in the sentence, and transfer the extracted information to the first conditional follow-up in the form of a feature vector sequence.
  • the airport classifies each word (or word) in the sentence through the conditional random field to obtain the mark sequence of the sentence.
  • Medical named entities can include diseases, symptoms, medicines, etc.
  • a sentence in the medical text is "Diabetes is one of the main chronic diseases endangering human physical and mental health”
  • the tag sequence is "B-1 I-1 E-1 O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O O”
  • the medical named entity of the sentence is the disease "diabetes”.
  • “B-1” represents the beginning word of the disease (1 represents the disease, 2 represents the symptoms, and 3 represents the medicine)
  • I-1 represents the middle word of the disease
  • E-1 represents the last word of the disease
  • O means other characters (words that are not named entities).
  • the method before the medical named entity recognition is performed on the title, abstract, and body content of each medical text in the multiple medical texts, the method further includes:
  • the text to be searched may be filtered by the limited time of the text to be searched, the type of the text to be searched, and the target source of the text to be searched.
  • the text to be searched is "Diabetes Treatment”
  • the time limit for the text to be searched is "2019”
  • the type of text to be searched is "Guide”
  • the target source of the text to be searched is "Chinese Medical Association”.
  • the expansion module 204 is used to expand the text to be searched to obtain the expanded text to be searched.
  • the determining a set of synonyms of each target word in the plurality of words includes:
  • the target word is deleted from the text to be searched to obtain a matching template of the target word, the matching template is searched from the multiple medical texts, and the sentence in which the matching template is found is compared with the target word
  • the corresponding word is determined as a synonym of the target word, wherein the position of the target word in the matching template is consistent with the position of the word corresponding to the target word in the found matching template.
  • the second recognition module 205 is configured to perform medical named entity recognition on the expanded text to be searched, and obtain multiple medical named entities of the expanded text to be searched.
  • the performing medical named entity recognition on the expanded text to be searched includes:
  • the medical named entity is identified according to the tag sequence of each sentence in the preprocessed text content.
  • the search module 206 is configured to search for the medical named entity matching with the expanded medical named entity of the text to be searched in the multiple medical texts, and the source and type match the text to be searched, and the publishing time is later than the Multiple candidate medical texts with a time limit of the text to be searched.
  • the medical named entities in the multiple medical texts it is possible to search the medical named entities in the multiple medical texts to match the medical named entities (such as diabetes, hyperglycemia, etc.) of the expanded text to be searched, the source (such as the Chinese Medical Association), and the type (such as guidelines) and Multiple candidate medical texts that match the text to be searched and publish time later than the limit time (such as 2019) of the text to be searched.
  • the medical named entities such as diabetes, hyperglycemia, etc.
  • the source such as the Chinese Medical Association
  • the type such as guidelines
  • Multiple candidate medical texts that match the text to be searched and publish time later than the limit time (such as 2019) of the text to be searched.
  • the calculation module 207 is configured to calculate the matching scores of the multiple candidate medical texts according to the position serial numbers of the medical named entities of the multiple candidate medical texts and the multiple medical named entities of the expanded text to be searched.
  • the matching scores of the multiple candidate medical texts are calculated according to the position serial numbers of the medical named entities of the multiple candidate medical texts and the multiple medical named entities of the expanded text to be searched. include:
  • mi is the number of medical named entities in the i-th medical text that is consistent with the multiple medical named entities of the expanded text to be searched
  • O i,j represents the j-th medical name in the i-th medical text
  • the position number of the entity E i,1 represents the set of position numbers of the title of the i-th medical text
  • E i,2 represents the set of position numbers of the abstract of the i-th medical text
  • E i,3 represents the set of position numbers of the abstract of the i-th medical text.
  • the set of position numbers of the head and tail sentences of the text content of the i medical text, E i,4 represents the set of position numbers of the non head and tail sentences in the text content of the i-th medical text, d 1 , d 2 , d 3 And d 4 are preset values;
  • C i represents the number of medical named entities in the i-th medical text consistent with the medical named entities of the expanded text to be searched
  • Ai represents the number of medical named entities in the i-th medical text
  • B represents all The number of medical named entities in the expanded text to be searched
  • F represents the number of words in the expanded text to be searched
  • the matching score P i of the i-th medical text is calculated:
  • w i,1 and w i,2 are preset weights.
  • d 1 >d 2 >d 3 >d 4 , d 1 , d 2 , d 3 , and d 4 can be 4, 3, 2, 1 respectively; w i,1 , w i,2 can be respectively The values are 0.5 and 0.5.
  • the return module 208 is configured to return the preset number of candidate medical texts with the highest matching score to the requester.
  • the abstract of the preset number of candidate medical texts with the highest matching score and the corresponding link address may be returned to the requesting party.
  • the abstracts of the 5 candidate medical texts with the highest matching scores and the corresponding link addresses can be returned to the requester, so that the requester can obtain more detailed and higher matching information by clicking the link address.
  • the medical text search device 20 of the second embodiment obtains multiple medical texts, each medical text includes release time, source, type, title, abstract and body content, and each medical text has a corresponding link address; for the multiple medical texts The title, abstract, and body content of each medical text in the text are identified by medical named entities, and multiple medical named entities of each medical text are obtained, and each medical named entity has a corresponding position number; receiving the search request from the requesting party, The search request includes the text to be searched, the time limit for the text to be searched, the type of the text to be searched, and the target source of the text to be searched; the text to be searched is expanded to obtain the expanded text to be searched.
  • Search text perform medical named entity recognition on the expanded text to be searched to obtain multiple medical named entities of the expanded text to be searched; search for medical named entities and the expansion in the multiple medical texts
  • the position number of the medical named entity and the multiple medical named entities of the expanded text to be searched calculate the matching scores of the multiple candidate medical texts; and the preset number of candidate medical texts with the highest matching scores are returned to the requesting party .
  • the second embodiment searches for matching medical texts from the medical text collection according to the user's input, which improves the accuracy of the medical text search.
  • This embodiment provides a readable storage medium with computer readable instructions stored on the readable storage medium.
  • the readable storage medium may be a non-volatile readable storage medium or a volatile readable storage medium .
  • the steps in the medical text search method embodiment described above are implemented, for example, steps 101-108 shown in FIG. 1.
  • the computer-readable instructions when executed by the processor, realize the functions of the modules in the foregoing apparatus embodiments, for example, the modules 201-208 in FIG. 2.
  • FIG. 3 is a schematic diagram of a computer device provided in Embodiment 3 of this application.
  • the computer device 30 includes a memory 301, a processor 302, and computer-readable instructions 303 stored in the memory 301 and running on the processor 302, such as a medical text search program.
  • the processor 302 executes the computer-readable instruction 303, the steps in the embodiment of the medical text search method described above are implemented, for example, 101-108 shown in FIG. 1.
  • the computer-readable instructions when executed by the processor, realize the functions of the modules in the foregoing apparatus embodiments, for example, the modules 201-208 in FIG. 2.
  • the computer-readable instruction 303 may be divided into one or more modules, and the one or more modules are stored in the memory 301 and executed by the processor 302 to complete the method.
  • the one or more modules may be an instruction segment of a series of computer-readable instructions capable of completing specific functions, and the instruction segment is used to describe the execution process of the computer-readable instruction 303 in the computer device 30.
  • the computer-readable instruction 303 can be divided into the acquisition module 201, the first identification module 202, the receiving module 203, the extension module 204, the second identification module 205, the search module 206, the calculation module 207, and the return module in FIG. Module 208, see the second embodiment for specific functions of each module.
  • the schematic diagram 3 is only an example of the computer device 30, and does not constitute a limitation on the computer device 30. It may include more or less components than those shown in the figure, or combine certain components, or different components.
  • the computer device 30 may also include input and output devices, network access devices, buses, and so on.
  • the so-called processor 302 may be a central processing unit (Central Processing Unit, CPU), other general processors, digital signal processors (Digital Signal Processor, DSP), application specific integrated circuits (Application Specific Integrated Circuit, ASIC), Field-Programmable Gate Array (FPGA) or other programmable logic devices, discrete gates or transistor logic devices, discrete hardware components, etc.
  • the general-purpose processor can be a microprocessor or the processor 302 can also be any conventional processor, etc.
  • the processor 302 is the control center of the computer device 30, which uses various interfaces and lines to connect the entire computer device 30. Various parts.
  • the memory 301 may be used to store the computer-readable instructions 303, and the processor 302 executes or executes the computer-readable instructions stored in the memory 301 and calls data stored in the memory 301 to implement the Various functions of the computer device 30.
  • the memory 301 may mainly include a storage program area and a storage data area, where the storage program area may store an operating system, an application program required by at least one function (such as a sound playback function, an image playback function, etc.), etc.; the storage data area may Data (such as audio data, etc.) created according to the use of the computer device 30 and the like are stored.
  • the memory 301 may include non-volatile memory, such as a hard disk, a memory, a plug-in hard disk, a smart memory card (Smart Media Card, SMC), a Secure Digital (SD) card, a flash memory card (Flash Card), At least one magnetic disk storage device, flash memory device, or other non-volatile solid state storage device.
  • non-volatile memory such as a hard disk, a memory, a plug-in hard disk, a smart memory card (Smart Media Card, SMC), a Secure Digital (SD) card, a flash memory card (Flash Card), At least one magnetic disk storage device, flash memory device, or other non-volatile solid state storage device.
  • the integrated module of the computer device 30 is implemented in the form of a software function module and sold or used as an independent product, it can be stored in a computer readable storage medium.
  • this application implements all or part of the processes in the above-mentioned embodiments and methods, and can also be completed by instructing relevant hardware through computer-readable instructions, and the computer-readable instructions can be stored in a readable storage medium.
  • the computer-readable instructions are executed by the processor, they can implement the steps of the foregoing method embodiments.
  • the computer-readable instruction includes computer-readable instruction code
  • the computer-readable instruction code may be in the form of source code, object code, executable file, or some intermediate form.
  • the computer-readable medium may include: any entity or device capable of carrying the computer-readable instruction code, recording medium, U disk, mobile hard disk, magnetic disk, optical disk, computer memory, read-only memory (ROM, Read-Only Memory).
  • modules described as separate components may or may not be physically separated, and the components displayed as modules may or may not be physical modules, that is, they may be located in one place, or they may be distributed on multiple network units. Some or all of the modules can be selected according to actual needs to achieve the objectives of the solutions of the embodiments.
  • the functional modules in the various embodiments of the present application may be integrated into one processing module, or each module may exist alone physically, or two or more modules may be integrated into one module.
  • the above-mentioned integrated modules can be implemented in the form of hardware, or in the form of hardware plus software functional modules.
  • the above-mentioned integrated modules implemented in the form of software functional modules may be stored in a computer readable storage medium.
  • the above-mentioned software function module is stored in a storage medium, and includes several instructions to make a computer device (which may be a personal computer, a server, or a network device, etc.) or a processor execute the method described in each embodiment of the present application. Part of the steps.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Biomedical Technology (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Biophysics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请涉及智慧医疗技术领域，提供一种医疗文本搜索方法及相关设备。所述方法获取多个医疗文本；对多个医疗文本中的每个医疗文本进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体；接收请求方的搜索请求；对待搜索文本进行扩展；对扩展后的待搜索文本进行医疗命名实体识别；在多个医疗文本中搜索医疗命名实体与扩展后的待搜索文本匹配、来源及类型与待搜索文本匹配并且发布时间晚于待搜索文本的限制时间的多个候选医疗文本；根据多个候选医疗文本的医疗命名实体的位置序号和扩展后的待搜索文本的多个医疗命名实体计算多个候选医疗文本的匹配得分；将匹配得分最高的预设数量的候选医疗文本返回请求方。本申请提升医疗文本搜索的准确度。

Description

医疗文本搜索方法、装置、计算机设备及存储介质
本申请要求于2020年3月19日提交中国专利局、申请号为202010195666.2，发明名称“医疗文本搜索方法、装置、计算机设备及存储介质”的中国发明专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及智慧医疗技术领域，具体涉及一种医疗文本搜索方法、装置、计算机设备及可读存储介质。
背景技术
蕴含在医疗文本中的知识对生物医学的医疗实践、教学和科研都有重要的意义。而医疗文本的巨大数量使得人们在海量的文献集中发现和获取这些有用的信息变得愈加困难。
技术问题
因此，发明人意识到，针对海量医疗文本的准确的搜索工具成为相关人员的迫切需要。
技术解决方案
鉴于以上内容，有必要提出一种医疗文本搜索方法、装置、计算机设备及可读存储介质，其可以识别待识别药物语句中的药物。
本申请的第一方面提供一种医疗文本搜索方法，所述方法包括：
获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址；
对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号；
接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源；
对所述待搜索文本进行扩展，得到扩展后的待搜索文本；
对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体；
在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本；
根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分；
将匹配得分最高的预设数量的候选医疗文本返回所述请求方。
本申请的第二方面提供一种医疗文本搜索装置，所述装置包括：
获取模块，用于获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址；
第一识别模块，用于对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号；
接收模块，用于接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源；
扩展模块，用于对所述待搜索文本进行扩展，得到扩展后的待搜索文本；
第二识别模块，用于对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体；
搜索模块，用于在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本；
计算模块，用于根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分；
返回模块，用于将匹配得分最高的预设数量的候选医疗文本返回所述请求方。
本申请的第三方面提供一种计算机设备，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机可读指令时实现以下步骤：
获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址；
对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号；
接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源；
对所述待搜索文本进行扩展，得到扩展后的待搜索文本；
对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体；
在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本；
根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分；
将匹配得分最高的预设数量的候选医疗文本返回所述请求方。
本申请的第四方面提供一个或多个存储有计算机可读指令的可读存储介质，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如下步骤：
获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址；
对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号；
接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源；
对所述待搜索文本进行扩展，得到扩展后的待搜索文本；
对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体；
在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本；
根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分；
将匹配得分最高的预设数量的候选医疗文本返回所述请求方。
有益效果
本申请实现了根据用户的输入从医疗文本集中搜索匹配医疗文本，提升了医疗文本 搜索的准确度。
本申请的一个或多个实施例的细节在下面的附图和描述中提出，本申请的其他特征和优点将从说明书、附图以及权利要求变得明显。
附图说明
图1是本申请实施例提供的医疗文本搜索方法的流程图。
图2是本申请实施例提供的医疗文本搜索装置的结构图。
图3是本申请实施例提供的计算机设备的示意图。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
优选地，本申请的医疗文本搜索方法应用在一个或者多个计算机设备中。所述计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程门阵列(Field－Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
实施例一
图1是本申请实施例一提供的医疗文本搜索方法的流程图。所述医疗文本搜索方法应用于计算机设备，用于根据用户的输入从医疗文本集中搜索匹配医疗文本。
如图1所示，所述医疗文本搜索方法包括：
101，获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址。
在一具体实施例中，医疗文本可以是网页，可以直接从网络中搜索获取或通过网络爬虫从网络中抓取。每个网页可以包括该网页的发布时间、该网页的来源、该网页的内容的类型、该网页的标题、摘要和正文内容等。
通过网络爬虫技术可以将互联网中数以百亿计的网页信息保存到本地。具体为通过爬虫代码程序模拟浏览器向网络服务器发送医疗文本请求，以便将医疗文本从网络流中读取出来并保存到本地，此外，还进一步基于相关信息提取规则，从爬取的信息中提取需要的信息。优选通过Docker容器作为媒介部署指定的爬虫程序，以爬取医疗文本。爬取的网站包括指定的公示网站以及通过搜索引擎搜索到的网站。
该医疗文本的来源可以包括中华医学会、中国医师协会、中国抗癌协会等。该医疗文本的类型可以包括指南、共识、规范等。
该医疗文本对应的链接地址可以表示该医疗文本的存储路径；可以通过该医疗文本对应的链接地址定位并获取该医疗文本。
在另一实施例中，该医疗文本的类型还可以包括内科、外科、妇科等科室类型。
102，对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实 体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号。
在一具体实施例中，所述对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别包括：
(1)对每个医疗文本的标题、摘要、正文内容进行分句、去重、错误修正预处理，得到预处理后的文本内容。
可以对每个医疗文本的标题、摘要、正文内容进行分句预处理、去重预处理、错误修正预处理等。
(2)将所述预处理后的文本内容中的每个语句转化为向量序列。
可以对每个语句进行分词或分字。将每个语句的多个词通过训练好的词嵌入模型将每个词转化为词向量；或将每个语句的多个字通过训练好的字嵌入模型将每个字转化为字向量。依词序组合每个语句的词向量得到该语句的向量序列，或依字序组合每个语句的字向量得到该语句的向量序列。
(3)将每个语句对应的向量序列输入训练好的第一双向长短时记忆网络，得到该语句的特征向量序列，将该语句的特征向量序列输入训练好的第一条件随机场，得到该语句的标记序列。
所述第一双向长短时记忆网络可以提取该语句的语义信息和该语句中每个词(或字)的上下文信息，并以特征向量序列的形式将提取的信息传递给所述第一条件随机场，通过所述条件随机场对该语句中的每个词(或字)进行分类，得到该语句的标记序列。
(4)根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
医疗命名实体可以包括疾病、症状和药品等。
例如，医疗文本中的一个语句为“糖尿病是危害人类身心健康的主要慢性疾病之一”的标记序列为“B-1 I-1 E-1 O O O O O O O O O O O O O O O O O O”，则该语句的医疗命名实体为疾病“糖尿病”。其中，“B-1”表示疾病(用1表示疾病，2表示症状，3表示药品)的开始字，“I-1”表示疾病的中间字，“E-1”表示疾病的末尾字，“O”表示其他字(非命名实体的字)。
在另一实施例中，在所述对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别之前，所述方法还包括：
获取医疗训练语句和所述医疗训练语句的标签向量序列；
将所述医疗训练语句转化为向量序列；
将所述医疗训练语句的向量序列输入所述第一双向长短时记忆网络，得到所述医疗训练语句的特征向量序列，将所述医疗训练语句的特征向量序列输入所述第一条件随机场，得到所述医疗训练语句的标记序列；
根据所述医疗训练语句的标签向量序列和标记序列通过梯度下降法调整所述第一双向长短时记忆网络和所述第一条件随机场的隐藏层的权重和偏置值；
循环执行上述步骤，得到所述训练好的第一双向长短时记忆网络和所述训练好的第一条件随机场。
103，接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源。
在一具体实施例中，可以通过对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源对所述待搜索文本进行筛选。例如，待搜索文本为“糖尿病治疗”，对待搜索文本的限制时间为“2019”，待搜索文本的类型为“指南”，待搜索文本的目标来源为“中华医学会”。
104，对所述待搜索文本进行扩展，得到扩展后的待搜索文本。
在一具体实施例中，所述对所述待搜索文本进行扩展包括：
对所述待搜索文本进行分词处理，得到多个目标词语；
确定所述多个词语中每个目标词语的近义词集合；
在所述待搜索文本中用每个目标词语的近义词集合中的词语替换该目标词语，将每次替换后的所述待搜索文本确定为一个扩展后的待搜索文本。
在另一实施例中，所述确定所述多个词语中每个目标词语的近义词集合包括：
从预设近义词词典中查询该目标词语的近义词；和/或
获取历史搜索信息，从所述历史搜索信息中标记的医疗文本中确定该目标词语的近义词；和/或
从所述待搜索文本中删除该目标词语，得到该目标词语的匹配模板，从所述多个医疗文本中查找所述匹配模板，将查找到的所述匹配模板所在的语句中与该目标词语对应的词语确定为该目标词语的近义词，其中，该目标词语在所述匹配模板中的位置与该目标词语对应的词语在查找到的所述匹配模板中的位置一致。
105，对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体。
在一具体实施例中，所述对所述扩展后的待搜索文本进行医疗命名实体识别包括：
对所述扩展后的待搜索文本进行预处理，得到预处理后的扩展后的待搜索文本；
将所述预处理后的扩展后的待搜索文本中的每个语句转化为向量序列；
将每个语句对应的向量序列输入训练好的第二双向长短时记忆网络，得到该语句的特征向量序列，将该语句的特征向量序列输入训练好的第二条件随机场，得到该语句的标记序列；
根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
106，在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本。
例如，可以在所述多个医疗文本中搜索医疗命名实体与扩展后的待搜索文本的医疗命名实体(如糖尿病、高血糖等)匹配、来源(如中华医学会)及类型(如指南)与待搜索文本匹配并且发布时间晚于待搜索文本的限制时间(如2019)的多个候选医疗文本。
107，根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分。
在一具体实施例中，所述根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分包括：
对于所述多个候选医疗文本中的第i个医疗文本，1≤i≤n，n为所述多个候选医疗文本的数量，根据第i个医疗文本中与所述扩展后的待搜索文本的多个医疗命名实体一致的医疗命名实体的位置序号确定第i个医疗文本的位置权重W i：
Figure PCTCN2020093322-appb-000001
其中，m i为第i个医疗文本中与所述扩展后的待搜索文本的多个医疗命名实体一致的医疗命名实体的数量，O i,j表示第i个医疗文本中第j个医疗命名实体的位置序号，E i,1表示位于第i个医疗文本的标题的位置序号的集合，E i,2表示位于第i个医疗文本的摘要的位置序号的集合，E i,3表示位于第i个医疗文本的正文内容的头尾语句的位置序号的集合，E i,4表示位于第i个医疗文本的正文内容的非头尾语句的位置序号的集合，d 1、d 2、d 3和d 4为预设值；
根据第i个医疗文本的医疗命名实体和所述扩展后的待搜索文本的医疗命名实体计算第i个医疗文本的长度匹配度l i：
Figure PCTCN2020093322-appb-000002
其中，C i表示第i个医疗文本中与所述扩展后的待搜索文本的医疗命名实体一致的医疗命名实体的数量，A i表示第i个医疗文本中医疗命名实体的数量，B表示所述扩展后的待搜 索文本中医疗命名实体的数量；
从第i个医疗文本中查找词语与所述扩展后的待搜索文本的词语一致的目标文本，计算所述目标文本与所述扩展后的待搜索文本的逆序数G i，根据逆序数G i和所述扩展后的待搜索文本计算第i个医疗文本的词序相似度s i：
Figure PCTCN2020093322-appb-000003
其中，F表示所述扩展后的待搜索文本中词语的数量；
根据第i个医疗文本的位置权重、长度匹配度和词序相似度计算第i个医疗文本的匹配得分P i：
P i＝W i(w i,1l i+w i,2s i)
其中，w i,1和w i,2为预设权重。
具体地，d 1＞d 2＞d 3＞d 4，d 1、d 2、d 3、d 4可以分别取值为4、3、2、1；w i,1、w i,2可以分别取值为0.5、0.5。
108，将匹配得分最高的预设数量的候选医疗文本返回所述请求方。
在一具体实施例中，可以将匹配得分最高的预设数量的候选医疗文本的摘要和对应的链接地址返回所述请求方。例如，可以将匹配得分最高的5个候选医疗文本的摘要和对应的链接地址返回给请求方，使请求方可以通过点击该链接地址获取更详细匹配度更高的信息。
实施例一的医疗文本搜索方法获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址；对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号；接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源；对所述待搜索文本进行扩展，得到扩展后的待搜索文本；对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体；在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本；根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分；将匹配得分最高的预设数量的候选医疗文本返回所述请求方。实施例一根据用户的输入从医疗文本集中搜索匹配医疗文本，提升了医疗文本搜索的准确度。
实施例二
图2是本申请实施例二提供的医疗文本搜索装置的结构图。所述医疗文本搜索装置20应用于计算机设备。所述医疗文本搜索装置20用于根据用户的输入从医疗文本集中搜索匹配医疗文本。
如图2所示，所述医疗文本搜索装置20可以包括获取模块201、第一识别模块202、接收模块203、扩展模块204、第二识别模块205、搜索模块206、计算模块207、返回模块208。
获取模块201，用于获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址。
在一具体实施例中，医疗文本可以是网页，可以直接从网络中搜索获取或通过网络爬虫从网络中抓取。每个网页可以包括该网页的发布时间、该网页的来源、该网页的内容的类型、该网页的标题、摘要和正文内容等。
通过网络爬虫技术可以将互联网中数以百亿计的网页信息保存到本地。具体为通过爬虫代码程序模拟浏览器向网络服务器发送医疗文本请求，以便将医疗文本从网络流中读取出来并保存到本地，此外，还进一步基于相关信息提取规则，从爬取的信息中提取需要的信息。优选通过Docker容器作为媒介部署指定的爬虫程序，以爬取医疗文本。爬取的网站包括指定的公示网站以及通过搜索引擎搜索到的网站。
该医疗文本的来源可以包括中华医学会、中国医师协会、中国抗癌协会等。该医疗文本 的类型可以包括指南、共识、规范等。该医疗文本对应的链接地址可以表示该医疗文本的存储路径；可以通过该医疗文本对应的链接地址定位并获取该医疗文本。
在另一实施例中，该医疗文本的类型还可以包括内科、外科、妇科等科室类型。
第一识别模块202，用于对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号。
在一具体实施例中，所述对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别包括：
(1)对每个医疗文本的标题、摘要、正文内容进行分句、去重、错误修正预处理，得到预处理后的文本内容。
可以对每个医疗文本的标题、摘要、正文内容进行分句预处理、去重预处理、错误修正预处理等。
(2)将所述预处理后的文本内容中的每个语句转化为向量序列。
可以对每个语句进行分词或分字。将每个语句的多个词通过训练好的词嵌入模型将每个词转化为词向量；或将每个语句的多个字通过训练好的字嵌入模型将每个字转化为字向量。依词序组合每个语句的词向量得到该语句的向量序列，或依字序组合每个语句的字向量得到该语句的向量序列。
(3)将每个语句对应的向量序列输入训练好的第一双向长短时记忆网络，得到该语句的特征向量序列，将该语句的特征向量序列输入训练好的第一条件随机场，得到该语句的标记序列。
所述第一双向长短时记忆网络可以提取该语句的语义信息和该语句中每个词(或字)的上下文信息，并以特征向量序列的形式将提取的信息传递给所述第一条件随机场，通过所述条件随机场对该语句中的每个词(或字)进行分类，得到该语句的标记序列。
(4)根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
医疗命名实体可以包括疾病、症状和药品等。例如，医疗文本中的一个语句为“糖尿病是危害人类身心健康的主要慢性疾病之一”的标记序列为“B-1 I-1 E-1 O O O O O O O O O O O O O O O O O O”，则该语句的医疗命名实体为疾病“糖尿病”。其中，“B-1”表示疾病(用1表示疾病，2表示症状，3表示药品)的开始字，“I-1”表示疾病的中间字，“E-1”表示疾病的末尾字，“O”表示其他字(非命名实体的字)。
在另一实施例中，在所述对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别之前，所述方法还包括：
获取医疗训练语句和所述医疗训练语句的标签向量序列；
将所述医疗训练语句转化为向量序列；
将所述医疗训练语句的向量序列输入所述第一双向长短时记忆网络，得到所述医疗训练语句的特征向量序列，将所述医疗训练语句的特征向量序列输入所述第一条件随机场，得到所述医疗训练语句的标记序列；
根据所述医疗训练语句的标签向量序列和标记序列通过梯度下降法调整所述第一双向长短时记忆网络和所述第一条件随机场的隐藏层的权重和偏置值；
循环执行上述步骤，得到所述训练好的第一双向长短时记忆网络和所述训练好的第一条件随机场。
接收模块203，用于接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源。
在一具体实施例中，可以通过对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源对所述待搜索文本进行筛选。例如，待搜索文本为“糖尿病治疗”，对待搜索文本的限制时间为“2019”，待搜索文本的类型为“指南”，待搜索文本的目标来源为“中华医学会”。
扩展模块204，用于对所述待搜索文本进行扩展，得到扩展后的待搜索文本。
在一具体实施例中，所述对所述待搜索文本进行扩展包括：
对所述待搜索文本进行分词处理，得到多个目标词语；
确定所述多个词语中每个目标词语的近义词集合；
在所述待搜索文本中用每个目标词语的近义词集合中的词语替换该目标词语，将每次替换后的所述待搜索文本确定为一个扩展后的待搜索文本。
在另一实施例中，所述确定所述多个词语中每个目标词语的近义词集合包括：
从预设近义词词典中查询该目标词语的近义词；和/或
获取历史搜索信息，从所述历史搜索信息中标记的医疗文本中确定该目标词语的近义词；和/或
从所述待搜索文本中删除该目标词语，得到该目标词语的匹配模板，从所述多个医疗文本中查找所述匹配模板，将查找到的所述匹配模板所在的语句中与该目标词语对应的词语确定为该目标词语的近义词，其中，该目标词语在所述匹配模板中的位置与该目标词语对应的词语在查找到的所述匹配模板中的位置一致。
第二识别模块205，用于对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体。
在一具体实施例中，所述对所述扩展后的待搜索文本进行医疗命名实体识别包括：
对所述扩展后的待搜索文本进行预处理，得到预处理后的扩展后的待搜索文本；
将所述预处理后的扩展后的待搜索文本中的每个语句转化为向量序列；
将每个语句对应的向量序列输入训练好的第二双向长短时记忆网络，得到该语句的特征向量序列，将该语句的特征向量序列输入训练好的第二条件随机场，得到该语句的标记序列；
根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
搜索模块206，用于在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本。
例如，可以在所述多个医疗文本中搜索医疗命名实体与扩展后的待搜索文本的医疗命名实体(如糖尿病、高血糖等)匹配、来源(如中华医学会)及类型(如指南)与待搜索文本匹配并且发布时间晚于待搜索文本的限制时间(如2019)的多个候选医疗文本。
计算模块207，用于根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分。
在一具体实施例中，所述根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分包括：
对于所述多个候选医疗文本中的第i个医疗文本，1≤i≤n，n为所述多个候选医疗文本的数量，根据第i个医疗文本中与所述扩展后的待搜索文本的多个医疗命名实体一致的医疗命名实体的位置序号确定第i个医疗文本的位置权重W i：
Figure PCTCN2020093322-appb-000004
其中，m i为第i个医疗文本中与所述扩展后的待搜索文本的多个医疗命名实体一致的医疗命名实体的数量，O i,j表示第i个医疗文本中第j个医疗命名实体的位置序号，E i,1表示位于第i个医疗文本的标题的位置序号的集合，E i,2表示位于第i个医疗文本的摘要的位置序号的集合，E i,3表示位于第i个医疗文本的正文内容的头尾语句的位置序号的集合，E i,4表示位于第i个医疗文本的正文内容的非头尾语句的位置序号的集合，d 1、d 2、d 3和d 4为预设值；
根据第i个医疗文本的医疗命名实体和所述扩展后的待搜索文本的医疗命名实体计算第i个医疗文本的长度匹配度l i：
Figure PCTCN2020093322-appb-000005
其中，C i表示第i个医疗文本中与所述扩展后的待搜索文本的医疗命名实体一致的医疗命名实体的数量，A i表示第i个医疗文本中医疗命名实体的数量，B表示所述扩展后的待搜索文本中医疗命名实体的数量；
从第i个医疗文本中查找词语与所述扩展后的待搜索文本的词语一致的目标文本，计算所述目标文本与所述扩展后的待搜索文本的逆序数G i，根据逆序数G i和所述扩展后的待搜索文本计算第i个医疗文本的词序相似度s i：
Figure PCTCN2020093322-appb-000006
其中，F表示所述扩展后的待搜索文本中词语的数量；
根据第i个医疗文本的位置权重、长度匹配度和词序相似度计算第i个医疗文本的匹配得分P i：
P i＝W i(w i,1l i+w i,2s i)
其中，w i,1和w i,2为预设权重。
具体地，d 1＞d 2＞d 3＞d 4，d 1、d 2、d 3、d 4可以分别取值为4、3、2、1；w i,1、w i,2可以分别取值为0.5、0.5。
返回模块208，用于将匹配得分最高的预设数量的候选医疗文本返回所述请求方。
在一具体实施例中，可以将匹配得分最高的预设数量的候选医疗文本的摘要和对应的链接地址返回所述请求方。例如，可以将匹配得分最高的5个候选医疗文本的摘要和对应的链接地址返回给请求方，使请求方可以通过点击该链接地址获取更详细匹配度更高的信息。
实施例二的医疗文本搜索装置20获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址；对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号；接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源；对所述待搜索文本进行扩展，得到扩展后的待搜索文本；对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体；在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本；根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分；将匹配得分最高的预设数量的候选医疗文本返回所述请求方。实施例二根据用户的输入从医疗文本集中搜索匹配医疗文本，提升了医疗文本搜索的准确度。
实施例三
本实施例提供一种可读存储介质，该可读存储介质上存储有计算机可读指令，所述可读存储介质可以是非易失性可读存储介质，也可以是易失性可读存储介质。该计算机可读指令被处理器执行时实现上述医疗文本搜索方法实施例中的步骤，例如图1所示的步骤101-108。或者，该计算机可读指令被处理器执行时实现上述装置实施例中各模块的功能，例如图2中的模块201-208。
实施例四
图3为本申请实施例三提供的计算机设备的示意图。所述计算机设备30包括存储器301、处理器302以及存储在所述存储器301中并可在所述处理器302上运行的计算机可读指令303，例如医疗文本搜索程序。所述处理器302执行所述计算机可读指令303时实现上述医疗文本搜索方法实施例中的步骤，例如图1所示的101-108。或者，该计算机可读指令被处理器执行时实现上述装置实施例中各模块的功能，例如图2中的模块201-208。
示例性的，所述计算机可读指令303可以被分割成一个或多个模块，所述一个或者多个 模块被存储在所述存储器301中，并由所述处理器302执行，以完成本方法。所述一个或多个模块可以是能够完成特定功能的一系列计算机可读指令的指令段，该指令段用于描述所述计算机可读指令303在所述计算机设备30中的执行过程。例如，所述计算机可读指令303可以被分割成图2中的获取模块201、第一识别模块202、接收模块203、扩展模块204、第二识别模块205、搜索模块206、计算模块207、返回模块208，各模块具体功能参见实施例二。
本领域技术人员可以理解，所述示意图3仅仅是计算机设备30的示例，并不构成对计算机设备30的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述计算机设备30还可以包括输入输出设备、网络接入设备、总线等。
所称处理器302可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器302也可以是任何常规的处理器等，所述处理器302是所述计算机设备30的控制中心，利用各种接口和线路连接整个计算机设备30的各个部分。
所述存储器301可用于存储所述计算机可读指令303，所述处理器302通过运行或执行存储在所述存储器301内的计算机可读指令，以及调用存储在存储器301内的数据，实现所述计算机设备30的各种功能。所述存储器301可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据计算机设备30的使用所创建的数据(比如音频数据等)等。此外，存储器301可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。
所述计算机设备30集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机可读指令来指令相关的硬件来完成，所述的计算机可读指令可存储于一可读存储介质中，该计算机可读指令在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机可读指令包括计算机可读指令代码，所述计算机可读指令代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机可读指令代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理模块，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
上述以软件功能模块的形式实现的集成的模块，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求 而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他模块或步骤，单数不排除复数。系统权利要求中陈述的多个模块或装置也可以由一个模块或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本申请的技术方案而非限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (20)

  1. 一种医疗文本搜索方法，其中，所述方法包括：
    获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址；
    对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号；
    接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源；
    对所述待搜索文本进行扩展，得到扩展后的待搜索文本；
    对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体；
    在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本；
    根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分；
    将匹配得分最高的预设数量的候选医疗文本返回所述请求方。
  2. 如权利要求1所述的方法，其中，所述对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别包括：
    对每个医疗文本的标题、摘要、正文内容进行分句、去重、错误修正预处理，得到预处理后的文本内容；
    将所述预处理后的文本内容中的每个语句转化为向量序列；
    将每个语句对应的向量序列输入训练好的第一双向长短时记忆网络，得到该语句的特征向量序列，将该语句的特征向量序列输入训练好的第一条件随机场，得到该语句的标记序列；
    根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
  3. 如权利要求2所述的方法，其中，在所述对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别之前，所述方法还包括：
    获取医疗训练语句和所述医疗训练语句的标签向量序列；
    将所述医疗训练语句转化为向量序列；
    将所述医疗训练语句的向量序列输入所述第一双向长短时记忆网络，得到所述医疗训练语句的特征向量序列，将所述医疗训练语句的特征向量序列输入所述第一条件随机场，得到所述医疗训练语句的标记序列；
    根据所述医疗训练语句的标签向量序列和标记序列通过梯度下降法调整所述第一双向长短时记忆网络和所述第一条件随机场的隐藏层的权重和偏置值。
  4. 如权利要求1所述的方法，其中，所述对所述待搜索文本进行扩展包括：
    对所述待搜索文本进行分词处理，得到多个目标词语；
    确定所述多个词语中每个目标词语的近义词集合；
    在所述待搜索文本中用每个目标词语的近义词集合中的词语替换该目标词语，将每次替换后的所述待搜索文本确定为一个扩展后的待搜索文本。
  5. 如权利要求4所述的方法，其中，所述确定所述多个词语中每个目标词语的近义词集合包括：
    从预设近义词词典中查询该目标词语的近义词；和/或
    获取历史搜索信息，从所述历史搜索信息中标记的医疗文本中确定该目标词语的近义词；和/或
    从所述待搜索文本中删除该目标词语，得到该目标词语的匹配模板，从所述多个医疗文本中查找所述匹配模板，将查找到的所述匹配模板所在的语句中与该目标词语对应的词语确定为该目标词语的近义词，其中，该目标词语在所述匹配模板中的位置与该目标词语对应的词语在查找到的所述匹配模板中的位置一致。
  6. 如权利要求1所述的方法，其中，所述对所述扩展后的待搜索文本进行医疗命名实体识别包括：
    对所述扩展后的待搜索文本进行预处理，得到预处理后的扩展后的待搜索文本；
    将所述预处理后的扩展后的待搜索文本中的每个语句转化为向量序列；
    将每个语句对应的向量序列输入训练好的第二双向长短时记忆网络，得到该语句的特征向量序列，将该语句的特征向量序列输入训练好的第二条件随机场，得到该语句的标记序列；
    根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
  7. 如权利要求1所述的方法，其中，所述根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分包括：
    对于所述多个候选医疗文本中的第i个医疗文本，1≤i≤n，n为所述多个候选医疗文本的数量，根据第i个医疗文本中与所述扩展后的待搜索文本的多个医疗命名实体一致的医疗命名实体的位置序号确定第i个医疗文本的位置权重W i：
    Figure PCTCN2020093322-appb-100001
    其中，m i为第i个医疗文本中与所述扩展后的待搜索文本的多个医疗命名实体一致的医疗命名实体的数量，O i,j表示第i个医疗文本中第j个医疗命名实体的位置序号，E i,1表示位于第i个医疗文本的标题的位置序号的集合，E i,2表示位于第i个医疗文本的摘要的位置序号的集合，E i,3表示位于第i个医疗文本的正文内容的头尾语句的位置序号的集合，E i,4表示位于第i个医疗文本的正文内容的非头尾语句的位置序号的集合，d 1、d 2、d 3和d 4为预设值；
    根据第i个医疗文本的医疗命名实体和所述扩展后的待搜索文本的医疗命名实体计算第i个医疗文本的长度匹配度l i：
    Figure PCTCN2020093322-appb-100002
    其中，C i表示第i个医疗文本中与所述扩展后的待搜索文本的医疗命名实体一致的医疗命名实体的数量，A i表示第i个医疗文本中医疗命名实体的数量，B表示所述扩展后的待搜索文本中医疗命名实体的数量；
    从第i个医疗文本中查找词语与所述扩展后的待搜索文本的词语一致的目标文本，计算所述目标文本与所述扩展后的待搜索文本的逆序数G i，根据逆序数G i和所述扩展后的待搜索文本计算第i个医疗文本的词序相似度s i：
    Figure PCTCN2020093322-appb-100003
    其中，F表示所述扩展后的待搜索文本中词语的数量；
    根据第i个医疗文本的位置权重、长度匹配度和词序相似度计算第i个医疗文本的匹配得分P i：
    P i＝W i(w i,1l i+w i,2s i)
    其中，w i,1和w i,2为预设权重。
  8. 一种医疗文本搜索装置，其中，所述装置包括：
    获取模块，用于获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址；
    第一识别模块，用于对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的 位置序号；
    接收模块，用于接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源；
    扩展模块，用于对所述待搜索文本进行扩展，得到扩展后的待搜索文本；
    第二识别模块，用于对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体；
    搜索模块，用于在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本；
    计算模块，用于根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分；
    返回模块，用于将匹配得分最高的预设数量的候选医疗文本返回所述请求方。
  9. 如权利要求8所述的医疗文本搜索装置，其中，所述第一识别模块具体用于：
    对每个医疗文本的标题、摘要、正文内容进行分句、去重、错误修正预处理，得到预处理后的文本内容；
    将所述预处理后的文本内容中的每个语句转化为向量序列；
    将每个语句对应的向量序列输入训练好的第一双向长短时记忆网络，得到该语句的特征向量序列，将该语句的特征向量序列输入训练好的第一条件随机场，得到该语句的标记序列；
    根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
  10. 如权利要求9所述的医疗文本搜索装置，其中，在所述对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别之前，所述第一识别模块具体还用于：
    获取医疗训练语句和所述医疗训练语句的标签向量序列；
    将所述医疗训练语句转化为向量序列；
    将所述医疗训练语句的向量序列输入所述第一双向长短时记忆网络，得到所述医疗训练语句的特征向量序列，将所述医疗训练语句的特征向量序列输入所述第一条件随机场，得到所述医疗训练语句的标记序列；
    根据所述医疗训练语句的标签向量序列和标记序列通过梯度下降法调整所述第一双向长短时记忆网络和所述第一条件随机场的隐藏层的权重和偏置值。
  11. 如权利要求8所述的医疗文本搜索装置，其中，所述扩展模块具体用于：
    对所述待搜索文本进行分词处理，得到多个目标词语；
    确定所述多个词语中每个目标词语的近义词集合；
    在所述待搜索文本中用每个目标词语的近义词集合中的词语替换该目标词语，将每次替换后的所述待搜索文本确定为一个扩展后的待搜索文本。
  12. 如权利要求10所述的医疗文本搜索装置，其中，所述扩展模块具体还用于：
    从预设近义词词典中查询该目标词语的近义词；和/或
    获取历史搜索信息，从所述历史搜索信息中标记的医疗文本中确定该目标词语的近义词；和/或
    从所述待搜索文本中删除该目标词语，得到该目标词语的匹配模板，从所述多个医疗文本中查找所述匹配模板，将查找到的所述匹配模板所在的语句中与该目标词语对应的词语确定为该目标词语的近义词，其中，该目标词语在所述匹配模板中的位置与该目标词语对应的词语在查找到的所述匹配模板中的位置一致。
  13. 如权利要求8所述的医疗文本搜索装置，其中，所述第二识别模块具体用于：
    对所述扩展后的待搜索文本进行预处理，得到预处理后的扩展后的待搜索文本；
    将所述预处理后的扩展后的待搜索文本中的每个语句转化为向量序列；
    将每个语句对应的向量序列输入训练好的第二双向长短时记忆网络，得到该语句的特征 向量序列，将该语句的特征向量序列输入训练好的第二条件随机场，得到该语句的标记序列；
    根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
  14. 如权利要求8所述的医疗文本搜索装置，，其中，所述计算模块具体用于：
    对于所述多个候选医疗文本中的第i个医疗文本，1≤i≤n，n为所述多个候选医疗文本的数量，根据第i个医疗文本中与所述扩展后的待搜索文本的多个医疗命名实体一致的医疗命名实体的位置序号确定第i个医疗文本的位置权重W i：
    Figure PCTCN2020093322-appb-100004
    其中，m i为第i个医疗文本中与所述扩展后的待搜索文本的多个医疗命名实体一致的医疗命名实体的数量，O i,j表示第i个医疗文本中第j个医疗命名实体的位置序号，E i,1表示位于第i个医疗文本的标题的位置序号的集合，W i,2表示位于第i个医疗文本的摘要的位置序号的集合，W i,3表示位于第i个医疗文本的正文内容的头尾语句的位置序号的集合，E i,4表示位于第i个医疗文本的正文内容的非头尾语句的位置序号的集合，d 1、d 2、d 3和d 4为预设值；
    根据第i个医疗文本的医疗命名实体和所述扩展后的待搜索文本的医疗命名实体计算第i个医疗文本的长度匹配度l i：
    Figure PCTCN2020093322-appb-100005
    其中，C i表示第i个医疗文本中与所述扩展后的待搜索文本的医疗命名实体一致的医疗命名实体的数量，A i表示第i个医疗文本中医疗命名实体的数量，B表示所述扩展后的待搜索文本中医疗命名实体的数量；
    从第i个医疗文本中查找词语与所述扩展后的待搜索文本的词语一致的目标文本，计算所述目标文本与所述扩展后的待搜索文本的逆序数G i，根据逆序数G i和所述扩展后的待搜索文本计算第i个医疗文本的词序相似度s i：
    Figure PCTCN2020093322-appb-100006
    其中，F表示所述扩展后的待搜索文本中词语的数量；
    根据第i个医疗文本的位置权重、长度匹配度和词序相似度计算第i个医疗文本的匹配得分P i：
    P i＝W i(w i,1l i+w i,2s i)
    其中，w i,1和w i,2为预设权重。
  15. 一种计算机设备，其中，所述计算机设备包括处理器，所述处理器用于执行存储器中存储的计算机可读指令以实现如下步骤：
    获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址；
    对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号；
    接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源；
    对所述待搜索文本进行扩展，得到扩展后的待搜索文本；
    对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体；
    在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本；
    根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分；
    将匹配得分最高的预设数量的候选医疗文本返回所述请求方。
  16. 一个或多个存储有计算机可读指令的可读存储介质，其中，所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器执行如下步骤：
    获取多个医疗文本，每个医疗文本包括发布时间、来源、类型、标题、摘要和正文内容，每个医疗文本有对应的链接地址；
    对所述多个医疗文本中的每个医疗文本的标题、摘要、正文内容进行医疗命名实体识别，得到每个医疗文本的多个医疗命名实体，每个医疗命名实体有对应的位置序号；
    接收请求方的搜索请求，所述搜索请求包括待搜索文本、对所述待搜索文本的限制时间、所述待搜索文本的类型和所述待搜索文本的目标来源；
    对所述待搜索文本进行扩展，得到扩展后的待搜索文本；
    对所述扩展后的待搜索文本进行医疗命名实体识别，得到所述扩展后的待搜索文本的多个医疗命名实体；
    在所述多个医疗文本中搜索医疗命名实体与所述扩展后的待搜索文本的医疗命名实体匹配、来源及类型与所述待搜索文本匹配并且发布时间晚于所述待搜索文本的限制时间的多个候选医疗文本；
    根据所述多个候选医疗文本的医疗命名实体的位置序号和所述扩展后的待搜索文本的多个医疗命名实体计算所述多个候选医疗文本的匹配得分；
    将匹配得分最高的预设数量的候选医疗文本返回所述请求方。
  17. 如权利要求17所述的可读存储介质，其中，所所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器还执行如下步骤：
    对每个医疗文本的标题、摘要、正文内容进行分句、去重、错误修正预处理，得到预处理后的文本内容；
    将所述预处理后的文本内容中的每个语句转化为向量序列；
    将每个语句对应的向量序列输入训练好的第一双向长短时记忆网络，得到该语句的特征向量序列，将该语句的特征向量序列输入训练好的第一条件随机场，得到该语句的标记序列；
    根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
  18. 如权利要求17所述的可读存储介质，其中，所所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器还执行如下步骤：
    对所述待搜索文本进行分词处理，得到多个目标词语；
    确定所述多个词语中每个目标词语的近义词集合；
    在所述待搜索文本中用每个目标词语的近义词集合中的词语替换该目标词语，将每次替换后的所述待搜索文本确定为一个扩展后的待搜索文本。
  19. 如权利要求17所述的可读存储介质，其中，所所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器还执行如下步骤：
    对所述扩展后的待搜索文本进行预处理，得到预处理后的扩展后的待搜索文本；
    将所述预处理后的扩展后的待搜索文本中的每个语句转化为向量序列；
    将每个语句对应的向量序列输入训练好的第二双向长短时记忆网络，得到该语句的特征向量序列，将该语句的特征向量序列输入训练好的第二条件随机场，得到该语句的标记序列；
    根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
  20. 如权利要求17所述的可读存储介质，其中，所所述计算机可读指令被一个或多个处理器执行时，使得所述一个或多个处理器还执行如下步骤：
    对所述扩展后的待搜索文本进行预处理，得到预处理后的扩展后的待搜索文本；
    将所述预处理后的扩展后的待搜索文本中的每个语句转化为向量序列；
    将每个语句对应的向量序列输入训练好的第二双向长短时记忆网络，得到该语句的特征向量序列，将该语句的特征向量序列输入训练好的第二条件随机场，得到该语句的标记序列；
    根据所述预处理后的文本内容中的每个语句的标记序列识别医疗命名实体。
PCT/CN2020/093322 2020-03-19 2020-05-29 医疗文本搜索方法、装置、计算机设备及存储介质 Ceased WO2021184552A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN202010195666.2A CN111581337B (zh) 2020-03-19 2020-03-19 医疗文本搜索方法、装置、计算机设备及存储介质
CN202010195666.2 2020-03-19

Publications (1)

Publication Number Publication Date
WO2021184552A1 true WO2021184552A1 (zh) 2021-09-23

Family

ID=72114848

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/093322 Ceased WO2021184552A1 (zh) 2020-03-19 2020-05-29 医疗文本搜索方法、装置、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN111581337B (zh)
WO (1) WO2021184552A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114020878A (zh) * 2021-11-29 2022-02-08 清华大学 特征文本匹配方法及装置、电子设备和存储介质
CN114154514A (zh) * 2022-02-07 2022-03-08 北京三子健康科技有限公司 一种中医证型识别方法及系统
CN114218259A (zh) * 2022-02-21 2022-03-22 深圳市云初信息科技有限公司 基于大数据SaaS的多维科创信息搜索方法及系统
CN115775621A (zh) * 2023-02-13 2023-03-10 深圳市汇健智慧医疗有限公司 基于数字化手术室的信息管理方法及系统
CN116108163A (zh) * 2023-04-04 2023-05-12 之江实验室 一种文本的匹配方法、装置、设备及存储介质
CN116975295A (zh) * 2023-09-21 2023-10-31 腾讯科技（深圳）有限公司 一种文本分类方法、装置及相关产品

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111985241B (zh) * 2020-09-03 2023-08-08 深圳平安智慧医健科技有限公司 医学信息查询方法、装置、电子设备及介质
CN112149409B (zh) * 2020-09-23 2024-04-02 深圳赛安特技术服务有限公司 医疗词云生成方法、装置、计算机设备及存储介质
CN112541064B (zh) * 2020-12-09 2024-07-02 联仁健康医疗大数据科技股份有限公司 健康评测方法、装置、计算机设备及存储介质
CN113569124A (zh) * 2021-01-14 2021-10-29 腾讯科技（深圳）有限公司 医疗标题匹配方法、装置、设备及存储介质
CN114239578B (zh) * 2021-09-16 2025-10-03 阿里巴巴达摩院(杭州)科技有限公司 命名实体的识别方法、装置、设备及存储介质
CN114444501A (zh) * 2022-01-24 2022-05-06 荃豆数字科技有限公司 一种中药饮片的搜索方法、装置、电子设备及存储介质
CN116932740B (zh) * 2022-04-08 2024-11-15 腾讯科技（深圳）有限公司 信息处理方法及装置、电子设备、存储介质

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080120296A1 (en) * 2006-11-22 2008-05-22 General Electric Company Systems and methods for free text searching of electronic medical record data
US20120036160A1 (en) * 2009-04-17 2012-02-09 Koninklijke Philips Electronics N.V. System and method for storing a candidate report
US20150302084A1 (en) * 2014-04-17 2015-10-22 Robert Stewart Data mining apparatus and method
US20160048655A1 (en) * 2014-08-14 2016-02-18 Accenture Global Services Limited System for automated analysis of clinical text for pharmacovigilance
CN106407387A (zh) * 2016-09-18 2017-02-15 华南师范大学 一种针对医疗诊断文本的概念连接方法
CN109299239A (zh) * 2018-09-29 2019-02-01 福建弘扬软件股份有限公司 一种基于es的电子病历检索方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108664515B (zh) * 2017-03-31 2019-09-17 北京三快在线科技有限公司 一种搜索方法及装置，电子设备
CN108415902B (zh) * 2018-02-10 2021-10-26 合肥工业大学 一种基于搜索引擎的命名实体链接方法
CN109215796B (zh) * 2018-08-14 2023-04-25 深圳平安医疗健康科技服务有限公司 搜索方法、装置、计算机设备和存储介质
CN110413734B (zh) * 2019-07-25 2023-02-17 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
CN110516260B (zh) * 2019-08-30 2025-01-24 腾讯科技（深圳）有限公司 实体推荐方法、装置、存储介质及设备

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20080120296A1 (en) * 2006-11-22 2008-05-22 General Electric Company Systems and methods for free text searching of electronic medical record data
US20120036160A1 (en) * 2009-04-17 2012-02-09 Koninklijke Philips Electronics N.V. System and method for storing a candidate report
US20150302084A1 (en) * 2014-04-17 2015-10-22 Robert Stewart Data mining apparatus and method
US20160048655A1 (en) * 2014-08-14 2016-02-18 Accenture Global Services Limited System for automated analysis of clinical text for pharmacovigilance
CN106407387A (zh) * 2016-09-18 2017-02-15 华南师范大学 一种针对医疗诊断文本的概念连接方法
CN109299239A (zh) * 2018-09-29 2019-02-01 福建弘扬软件股份有限公司 一种基于es的电子病历检索方法

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114020878A (zh) * 2021-11-29 2022-02-08 清华大学 特征文本匹配方法及装置、电子设备和存储介质
CN114154514A (zh) * 2022-02-07 2022-03-08 北京三子健康科技有限公司 一种中医证型识别方法及系统
CN114218259A (zh) * 2022-02-21 2022-03-22 深圳市云初信息科技有限公司 基于大数据SaaS的多维科创信息搜索方法及系统
CN114218259B (zh) * 2022-02-21 2022-05-24 深圳市云初信息科技有限公司 基于大数据SaaS的多维科创信息搜索方法及系统
CN115775621A (zh) * 2023-02-13 2023-03-10 深圳市汇健智慧医疗有限公司 基于数字化手术室的信息管理方法及系统
CN116108163A (zh) * 2023-04-04 2023-05-12 之江实验室 一种文本的匹配方法、装置、设备及存储介质
CN116975295A (zh) * 2023-09-21 2023-10-31 腾讯科技（深圳）有限公司 一种文本分类方法、装置及相关产品
CN116975295B (zh) * 2023-09-21 2024-01-30 腾讯科技（深圳）有限公司 一种文本分类方法、装置及相关产品

Also Published As

Publication number Publication date
CN111581337A (zh) 2020-08-25
CN111581337B (zh) 2024-10-29

Similar Documents

Publication Publication Date Title
CN111581337B (zh) 医疗文本搜索方法、装置、计算机设备及存储介质
Cai et al. A deep learning model incorporating part of speech and self-matching attention for named entity recognition of Chinese electronic medical records
CN111709233B (zh) 基于多注意力卷积神经网络的智能导诊方法及系统
He et al. Applying deep matching networks to Chinese medical question answering: a study and a dataset
CN113505243A (zh) 基于医疗知识图谱的智能问答方法和装置
Al-Smadi DeBERTa-BiLSTM: A multi-label classification model of Arabic medical questions using pre-trained models and deep learning
WO2022078308A1 (zh) 裁判文书摘要生成方法、装置、电子设备及可读存储介质
CN111984851B (zh) 医学资料搜索方法、装置、电子装置及存储介质
CN106844351B (zh) 一种面向多数据源的医疗机构组织类实体识别方法及装置
KR20170055970A (ko) 컴퓨터로 구현되는 관련 아이템의 식별 기법
Shah et al. Neural networks for mining the associations between diseases and symptoms in clinical notes
CN115472252A (zh) 基于对话的电子病历生成方法、装置、设备和存储介质
US20230111911A1 (en) Generation and use of content briefs for network content authoring
CN118377875A (zh) 一种基于颈椎疾病知识图谱的大语言模型问答方法及装置
Jintanachaiwat et al. Vision-based image similarity measurement for image search similarity
CN114741492B (zh) 文本搜索方法、装置、设备及存储介质
CN111985224A (zh) 用药说明文本处理方法、装置、设备及存储介质
US20250077555A1 (en) System and method for multi-stage processing of user query for enhanced information retrieval
CN120407729A (zh) 一种医学问答方法、装置、设备及产品
Lin et al. Research on named entity recognition of traditional Chinese medicine electronic medical records
Rachmawati et al. Transfer learning for closed domain question answering in COVID-19
CN113868424B (zh) 文本主题的确定方法、装置、计算机设备及存储介质
HK40031279B (zh) 医疗文本搜索方法、装置、计算机设备及存储介质
CN116362250A (zh) 一种实体消歧方法、装置及存储介质
HK40031279A (zh) 医疗文本搜索方法、装置、计算机设备及存储介质

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20925073

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 20925073

Country of ref document: EP

Kind code of ref document: A1