甲狀腺病史作為一類重要的非結(jié)構(gòu)化文檔,對醫(yī)療診斷至關(guān)重要。針對具體的甲狀腺病史數(shù)據(jù),提出一種基于深度學習的甲狀腺病史結(jié)構(gòu)化處理方法。首先,構(gòu)建專業(yè)詞庫和病史本體,使用專業(yè)詞庫指導分詞,基于本體結(jié)構(gòu)完成結(jié)構(gòu)化輸出;其次,通過使用實體識別技術(shù),完成對分詞結(jié)果標簽的預測;最后,使用標簽抽取和詞庫匹配兩種方法對病史數(shù)據(jù)進行信息抽取,并將結(jié)構(gòu)化結(jié)果以RDF進行存儲。實驗結(jié)果表明該方法的準確率和泛化性較傳統(tǒng)方法有明顯提升。

【文章頁數(shù)】：7 頁

【文章目錄】：
0 引言
1 方法
    1.1 專業(yè)詞庫構(gòu)建
    1.2 病史本體構(gòu)建
    1.3 數(shù)據(jù)預處理
    1.4 實體識別
    1.5 信息抽取
    1.6 結(jié)構(gòu)化數(shù)據(jù)存儲
2 實驗
    2.1 實驗數(shù)據(jù)
    2.2 實驗與結(jié)果
3 結(jié)束語



本文編號：3831658