【正文】 語 文本 中經(jīng)常出現(xiàn)，因而將此句型 抽象出來作為一條語言模式。 基于規(guī)則的信息抽取技術(shù)的研究及其在中醫(yī)醫(yī)案文獻(xiàn)中的應(yīng)用 4 圖 2. 1 AutoSlog 采用的 語言表達(dá)模式及 IE 模式 這里的語言模式集和 IE 模式的不同之處在于：語言模式是領(lǐng)域無關(guān)的，是由人工預(yù)先給定的。 最后需要人工對學(xué)出的模式進(jìn)行審定和篩選。 AutoSlog 的核心 就是一個模式學(xué)習(xí)算法。 基于人工語料標(biāo)注的 IE 模式 學(xué)習(xí) 系統(tǒng) 基于人工語料標(biāo)注的 IE 模式學(xué)習(xí)系統(tǒng) 的 原理 基于人工語料標(biāo)注的 IE 模式獲取 系統(tǒng)的基本原理是： 使用一種 IE 模式表示方式，人工預(yù)先標(biāo)注訓(xùn)練語料， 接著利用機器學(xué)習(xí)的方法從訓(xùn)練語料中學(xué)出 IE模式。基于人工語料分類的 IE 模式學(xué)習(xí)系統(tǒng)，如AutoSlogTS 等 。 第三章介紹了中醫(yī)領(lǐng)域中文文本的特點，提出了信息抽取的任務(wù)。 3）設(shè)計并實現(xiàn)了一個基于中醫(yī)醫(yī)案的信息抽取原型系統(tǒng)。第一步對文本進(jìn)行分詞、詞性標(biāo)注處理，第二步在模式庫的支持下，采用模式匹配算法，最終實現(xiàn)了 機器對醫(yī)案的“人名”、“出診時間”、“ 癥候 ” 信息的識別，以及實體間關(guān)系識別。 首先對文本進(jìn)行 預(yù)處理，然后對分詞后的文本 聚類 ， 將分詞后的短語 劃分為不同的類別， 則每個類別為 一個模式集。 隨著近幾年來中醫(yī)學(xué)研究的深入進(jìn)行，對中醫(yī)醫(yī)案的信息分析需求越來越迫切，經(jīng)歷了中國五千年的文化變遷，中醫(yī)歷史積累了海量的中醫(yī)醫(yī)案，收錄散雜，在內(nèi)容和文字上不免也存在著訛、漏、誤、衍等錯誤現(xiàn)象 [15]，采用人工手段進(jìn)行查找與分析已經(jīng)不能滿足快節(jié)奏需求。 關(guān)鍵詞： 自然語言處理，信息抽取，模式生成，模式匹配 北京科技大學(xué)碩士學(xué)位論文 V Semantic information extraction technology and application based on patterns Abstract Traditional Chinese medicine as a Chinese traditional medicine has important social value .Medical records as the doctor clinical thinking and treatment based on syndrome differentiation process records, is a concrete reflection of prehensive application forms of traditional Chinese medicine. Pattern matching is a monly used method in information extraction system, how to generate the model is the key problem in the field of information extraction. This paper presents a method of clustering based machine learning, the system can automatic pattern acquisition from text. The application of this method in traditional Chinese medical experiments in the literature, has achieved a good result. According to the characteristics of text information of medical records, Study is conducted for the automatic extraction of Chinese medical recordinformation based on many aspects, from different angles, a medical information automatic extraction system ofpattern matching.. The main work of this paper include the following aspects: 1. Summary of information extraction and related techniques, The main contents include the related concepts introduced, Technical terminology explanation, also includes the analysis of all kinds oftechnology. 2. Focus on the information extraction problem based on the pattern of traditional Chinese Medicine, Construction of pattern library. 3. The design and implementation of a prototype system based on information extraction of traditional Chinese medicine. The system provides a method for the user to use, can be achieved on the traditional Chinese medicine information extraction is very good. Key Words： Natural Language Processing , Information Extraction， Pattern Acquisition， Pattern Matching （用英文逗號“ ,”分隔） 北京科技大學(xué)碩士學(xué)位論文 VII 目 錄 致 謝 ............................................................................................................... I 摘 要 .............................................................................................................III Abstract..........................................................................................................V 插圖和附表清單 ............................................................................................ XI 1 緒論 ............................................................................................................. 1 課題背景 ........................................................................................... 1 課題的來源，目的和意義 ...................................................... 1 課題的研究內(nèi)容 ..................................................................... 1 論文的主要工作 ................................................................................ 2 本文的組織結(jié)構(gòu) ................................................................................ 2 2 信息抽取模式學(xué)習(xí)系統(tǒng)綜述 ....................................................................... 3 信息抽取模式學(xué)習(xí)系統(tǒng)分類 ............................................................. 3 基于人工語料標(biāo)注的 IE 模式學(xué)習(xí)系統(tǒng) ............................................ 3 基于人工語料標(biāo)注的 IE模式學(xué)習(xí)系統(tǒng)的原理 ...................... 3 基于人工語料分類的 IE 模式學(xué)習(xí)系統(tǒng) ............................................ 6 基于自舉的 IE 模式學(xué)習(xí)系統(tǒng) ........................................................... 7 基于 WordNet 和語料標(biāo)注的 IE模式學(xué)習(xí)系統(tǒng) ............................... 9 本章小結(jié) ......................................................................................... 12 3 中醫(yī)醫(yī)案特征分析 .................................................................................... 13 中醫(yī)醫(yī)案特征分析 .......................................................................... 13 中醫(yī)醫(yī)案結(jié)構(gòu)特征分析 ........................................................ 13 中醫(yī)醫(yī)案內(nèi)容特征分析 ........................................................ 15 中醫(yī)領(lǐng)域本身的特點 ............................................................ 15 中醫(yī)醫(yī)案語義信息抽取的研究基礎(chǔ)及存在的問題 ........................ 16 本章小結(jié) ......................................................................................... 17 4 一種基于聚類的信息抽取模式自動生成方法 .......................................... 18 基于聚類的模式生成方法的比較與選擇 ........................................ 18 單鏈法聚類的基本思想 .................................................................. 18 基于規(guī)則的信息抽取技術(shù)的研究及其在中醫(yī)醫(yī)案文獻(xiàn)中的應(yīng)用 VIII 相關(guān)概念 .......................................................................................... 18 模式生成流程 .................................................................................. 20 文本處理與聚類 .................................................................... 21 同類之間的模式合并 ............................................................ 24 實驗結(jié)果和分析 .............................................................................. 26 本章小結(jié) .......................................................................................... 29 5 基于模式匹配的信息抽取方法 .................................................................. 30 國內(nèi)外研究進(jìn)展 .............................................................................. 30 本課題國外研究進(jìn)展 ..