基于用戶意圖分析的電子病歷檢索技術(shù)研究.pdf

1、隨著臨床醫(yī)學(xué)的發(fā)展和醫(yī)療信息技術(shù)的廣泛應(yīng)用，通過對正確的診斷和治療過程的分析來幫助臨床醫(yī)學(xué)中對病情的預(yù)判變得愈加的重要。同時，電子病歷的大規(guī)模應(yīng)用和推廣為后續(xù)的分析提供了重要的數(shù)據(jù)基礎(chǔ)。作為針對大規(guī)模信息領(lǐng)域的關(guān)鍵技術(shù)，信息檢索在互聯(lián)網(wǎng)的應(yīng)用已經(jīng)非常成熟。但是由于醫(yī)療領(lǐng)域信息表述的特殊性以及內(nèi)容關(guān)系的復(fù)雜性，面向醫(yī)療領(lǐng)域的信息檢索技術(shù)研究還在初級階段。針對以上問題，本文在對中文電子病歷的處理基礎(chǔ)之上，實現(xiàn)對用戶查詢意圖的理解以及通過圖檢

2、索的方式進行數(shù)據(jù)檢索，進而對查詢的結(jié)果進行多樣化排序，最終達到有效利用電子病歷中存儲的大量數(shù)據(jù)來輔助醫(yī)生進行分析研究與診斷的目的，提高醫(yī)生患者和醫(yī)療服務(wù)人員的醫(yī)療服務(wù)水平和效率。
　　本文詳細的分析了中文電子病歷的結(jié)構(gòu)特點，對電子病歷進行語義分析，抽取醫(yī)療實體以及實體關(guān)系，奠定了后續(xù)研究的基礎(chǔ)。在分析用戶查詢意圖方面，針對查詢的寬泛性和歧義性本文使用基于密度的聚類算法來對用戶查詢的歷史數(shù)據(jù)進行子意圖的聚類分析。針對查詢中的醫(yī)療專業(yè)

3、詞匯則提出一種基于信息熵計算概念特征相似度和概念相關(guān)度的方法，從而得出概念語義相似度的計算模型來識別醫(yī)療專業(yè)概念中的意圖。主要利用樸素貝葉斯分類對醫(yī)療概念分類。根據(jù)概念分類概率與分類質(zhì)量評估函數(shù)得到概念的信息熵。通過熵值求得概念特征相似度，通過分析概念特征信息求得概念相關(guān)度。利用加權(quán)的方法將前兩者的值綜合為最終的概念語義相似度。實驗表明，該算法較傳統(tǒng)算法更加接近醫(yī)療領(lǐng)域?qū)＜以u估的經(jīng)驗值，可以提高相似度計算精度，進而能夠更好的匹配用戶查詢

4、意圖。
　　為使用戶在電子病歷中的檢索效果更好效率更高，提出用圖結(jié)構(gòu)來表示電子病歷數(shù)據(jù)的研究方法。根據(jù)電子病歷所具有的實體和屬性聯(lián)系與圖的拓撲結(jié)構(gòu)類似的特性，首先將電子病歷數(shù)據(jù)和檢索圖結(jié)構(gòu)化，然后將EMRSearch算法與EMR-Tree索引結(jié)合，并引入新的Upper bound模型進行裁剪，然后進行匹配，最后將匹配得到的結(jié)果集通過SortDiversity算法進行多樣性重排序。實驗結(jié)果表明，該方法不僅可以提高用戶檢索效率，還可以