面向中文電子病歷的詞性標(biāo)注技術(shù)研究.pdf

1、隨著大數(shù)據(jù)時代的到來，“智慧醫(yī)療”已經(jīng)成為全球醫(yī)療服務(wù)產(chǎn)業(yè)的發(fā)展趨勢。作為醫(yī)療信息化的載體，電子病歷蘊含大量的醫(yī)療健康知識。電子病歷中的知識可以為醫(yī)療診斷、用戶健康管理及醫(yī)療協(xié)調(diào)等領(lǐng)域提供服務(wù)。挖掘電子病歷中的知識離不開自然語言處理及信息抽取技術(shù)。詞性標(biāo)注是自然處理技術(shù)的基礎(chǔ)，對其進(jìn)行研究有助于后續(xù)句法分析及信息抽取任務(wù)的展開。
　　由于標(biāo)注語料的匱乏，目前面向中文電子病歷的分詞和詞性標(biāo)注研究還處于空白階段。與開放領(lǐng)域語料不同，中

2、文電子病歷含有大量的專業(yè)術(shù)語、縮略詞和模式。因此，開放領(lǐng)域的詞性標(biāo)注模型并不能直接用于中文電子病歷的標(biāo)注。
　　為了更好地進(jìn)行詞性標(biāo)注模型的研究，本文首先構(gòu)建了中文電子病歷分詞和詞性標(biāo)注語料。本文提出了從數(shù)據(jù)預(yù)處理到語料標(biāo)注的整體方案，獲得了較高的標(biāo)注一致性，為進(jìn)行更大規(guī)模更高質(zhì)量的病歷語料標(biāo)注工作提供了指導(dǎo)。通過實驗量化中文電子病歷與開放領(lǐng)域語料的詞法統(tǒng)計差異，系統(tǒng)地分析了通用標(biāo)注模型在電子病歷中的錯誤分布。為進(jìn)行適用于中文電子

3、病歷分析的自然語言處理技術(shù)研究奠定了基礎(chǔ)。
　　基于對中文電子病歷標(biāo)注語料的分析，本文首次提出適合中文電子病歷的詞性標(biāo)注模型。首先對電子病歷進(jìn)行初步標(biāo)注，選擇使用基于字的分詞和詞性標(biāo)注聯(lián)合模型，以達(dá)到避免錯誤傳遞及使用詞性標(biāo)注信息提高分詞精度的目的；然后，利用中文電子病歷含有一些常用語言模式的特點，通過使用基于轉(zhuǎn)移的錯誤驅(qū)動方法學(xué)習(xí)到的規(guī)則，對初步標(biāo)注結(jié)果進(jìn)行修正，從而提高標(biāo)注精度。針對跨領(lǐng)域標(biāo)注問題，本文通過調(diào)整基于字模型里中文