【正文】 這樣導(dǎo)致了對(duì)中醫(yī)醫(yī)案文本處理存在諸多困難。在中醫(yī)學(xué)的發(fā)展中，一些早期著作中的大量表述被長(zhǎng)期沿用并逐漸術(shù)語(yǔ)化，以至于在當(dāng)今的醫(yī)案中仍大量存在，比如“陰虛津虧、風(fēng)熱疫毒”等，使得中醫(yī)醫(yī)案具有明顯的半文言特性。另外， 經(jīng)常出 現(xiàn)一些 縮寫(xiě)詞， 以簡(jiǎn)化書(shū)寫(xiě)過(guò)程。 按語(yǔ)：本案先因慢性肝炎而致右脅隱痛、飲食欠佳；復(fù)傷于冷食，脾胃受損，泄瀉不已，久則脾不運(yùn)化，濕濁停聚，進(jìn)一步阻滯氣機(jī)。 診查：腹膨隆，左少腹劇烈壓痛三天，皮蒼黃，青筋微露，雙下肢凹陷性浮腫，頸胸部有少許散在蜘蛛痣，肝腫大脅下 6 厘米，脾腫大脅下 14 厘米，精神不振，言語(yǔ)低微，面容暗黃，時(shí)感惡心、嘔吐。 一份醫(yī)案的幾種類(lèi)型信息在文本中特定的位置存在，它們由上到下分布。信息的識(shí)別是信息挖掘的前提 ， 比如病人姓名、病人出初時(shí)間、方藥信息，基本癥狀信息等。 本文在借鑒已有的面向英文文本的信息抽取系統(tǒng)的成功經(jīng)驗(yàn)， 提出一種基于聚類(lèi)的信息抽取模式自動(dòng)生成方法， 相關(guān)內(nèi)容 將在第 四章 做 詳細(xì)介紹。第四列“ headword”列出了左邊的短語(yǔ)的中心詞，規(guī)定短語(yǔ)的最后一個(gè)詞為中心詞。 2)系統(tǒng)對(duì)該語(yǔ)句進(jìn)行分詞、詞性標(biāo)注、命名實(shí)體識(shí)別和部分句法分析，并以每個(gè)短語(yǔ)最后的一個(gè)詞作為短語(yǔ)的中心詞。后續(xù)循環(huán)中，模式的領(lǐng)域相關(guān)度的計(jì)算依賴(lài)于其所出現(xiàn)在的文檔的相關(guān)度，即i 1 i( p )( p ) (1 / H ( p ) ) * R e l ( d )dhs c o r e ? ?? ?，其中， Rel’ (d)是第 i次循環(huán)時(shí)文檔 d 的相關(guān)度。模式的第二部分為滿足條件時(shí)規(guī)則采取的動(dòng)作。該模式的含義是 ： 當(dāng)符合各自語(yǔ)義約束和語(yǔ)法約束 的二個(gè)元組都出現(xiàn)在同一個(gè)從句中的時(shí)候，則說(shuō)明該從句描述了一個(gè)“管理職位繼任”事件類(lèi)別中的“辭職”事件。圖 2. 5 列出了 人工給出的兩個(gè)種子模式，該 IE 模式用于管理職位繼任事件。根 據(jù) AutoSlog 中用到的語(yǔ)言模式“ Subjectpassiveverb”和“ passiveverb prep (np)”，生成兩個(gè)Concept Node“ x was bombed” 和“ bombed by y”。整個(gè)過(guò)程可以分為兩個(gè)階段。如 AutoSlog，其輸入可描述為“標(biāo)注實(shí)例 +啟發(fā)規(guī)則”，雖然該系統(tǒng)仍在一定程度上依賴(lài)于領(lǐng)域?qū)I(yè)和語(yǔ)言學(xué)知識(shí)，但已大大減少了手工的參與，原先需1500 人小時(shí)構(gòu)建的概念節(jié)點(diǎn)， AutoSlog 只要 5 人小時(shí)進(jìn)行監(jiān)督即可完成。上圖中列出的其它語(yǔ)言模式和與 每條語(yǔ)言模式相對(duì)應(yīng)的 IE 模式案例可按類(lèi)似的方法解釋。圖 列出了 針對(duì)恐怖活動(dòng)事件用到 的語(yǔ)言模式，以及與它們對(duì)應(yīng)的一條 IE 模式。 AutoSlog 是世界上第一個(gè)成功實(shí)現(xiàn)利用機(jī)器學(xué)習(xí)的方法獲取信息抽取模式的系統(tǒng)，由 Massachusetts 開(kāi)發(fā)。根據(jù) IE模式獲取系統(tǒng)需要用戶(hù)輔助工作 方式 的不同，可以把這些系統(tǒng)分為四個(gè)類(lèi)別： 它們?yōu)?基于人工語(yǔ)料標(biāo)注的 IE模式學(xué)習(xí)系統(tǒng)，如 AutoSlog、PALKA、 CRYSTAL、 LIEP 等 。構(gòu)建動(dòng)詞庫(kù)、模式庫(kù)。本文根據(jù)中文自身的特點(diǎn)， 考慮到模式即為在文本中經(jīng)常出現(xiàn)的句法結(jié)構(gòu) ， 同時(shí)借鑒 英文文本的模式獲取方法 ， 提出一種基于聚類(lèi)的 模式獲取 方法，實(shí)現(xiàn)了 從中醫(yī) 醫(yī)案 中自動(dòng)獲取模式。該系統(tǒng)提供了一個(gè)方法以供用戶(hù)使用，能夠很好的實(shí)現(xiàn)對(duì)中醫(yī)醫(yī)案信息的抽取。 從 而可以通過(guò) 研究這些醫(yī)案，進(jìn)而了解中醫(yī)學(xué)的方法和理論 ， 從而快速、全面 地 了解 中醫(yī)理論和技術(shù)。 我還要感謝幫助和鼓勵(lì)過(guò)我的每一位同學(xué)，他們是韋仕偉、于留寶、付彬、華鎮(zhèn)。 論文題目： 基于模式 的 語(yǔ)義信息抽取及 應(yīng)用 研究 基于模式 的 語(yǔ)義信息抽取及應(yīng)用研究 Semantic information extraction technology and application based on patterns Master Degree Candidate： Wang Shuang Supervisor： Sun Yi School of Computer amp。感謝在這 近 三年時(shí)間里給予我知識(shí)的老師們，正是由于他們的辛勤施教，使我學(xué)到了許多寶貴的知識(shí)，能夠順利完成學(xué)業(yè)。面對(duì)海量文本形式的醫(yī)案，目前普遍采用手工填寫(xiě)結(jié)構(gòu)化采集模板的方法結(jié)構(gòu)化病 案信息，不僅耗費(fèi)大量人力物力，而且不能反應(yīng)各個(gè)專(zhuān)家的特點(diǎn)。 關(guān)鍵詞： 自然語(yǔ)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(hào)“ ,”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(lái)源，目的和意義 ...................................................... 1 課題的研究?jī)?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(lèi) ............................................................. 3 基于人工語(yǔ)料標(biāo)注的 IE 模式學(xué)習(xí)系統(tǒng) ............................................ 3 基于人工語(yǔ)料標(biāo)注的 IE模式學(xué)習(xí)系統(tǒng)的原理 ...................... 3 基于人工語(yǔ)料分類(lèi)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(yǔ)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 ...................