【正文】 ........................................................ 11 圖 3. 1 一份典型的中醫(yī)肝病病案 ................................................................. 14 圖 4. 1 信息抽取模式生 成流程 ..................................................................... 21 圖 4. 2 相關(guān)文檔集 ......................................................................................... 21 圖 4. 3 相關(guān)文檔集經(jīng)過預(yù)處理后的結(jié)果 ...................................................... 22 圖 4. 4 分詞后的文本劃分為不同的類別 ...................................................... 23 圖 4. 5 相關(guān)文檔集的聚類結(jié)果 ..................................................................... 24 圖 4. 6 模式合并結(jié)果 ..................................................................................... 26 圖 4. 7 泛化后的模式結(jié)果 ............................................................................. 26 圖 4. 8 中醫(yī)醫(yī)案文本 ..................................................................................... 27 圖 4. 9 測試語料劃分為不同的類別 .............................................................. 27 圖 4. 10 實驗得到的信息抽取模式 ................................................................ 28 圖 4. 11 信息抽取模式 ................................................................................... 28 圖 4. 12 不適宜全部合并的實例 ................................................................... 29 圖 5. 1 中醫(yī)信息抽取流程圖 ......................................................................... 33 圖 5. 2 典型中醫(yī)肝病醫(yī)案 ............................................................................. 35 圖 5. 3 典型中醫(yī)肝病醫(yī)案分詞標(biāo)注結(jié)果 ...................................................... 36 圖 5. 4MapRules 的數(shù)據(jù)結(jié)構(gòu) ......................................................................... 39 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 XII 圖 5. 5 典型中醫(yī)肝病醫(yī)案信息抽取結(jié)果 ....................................................... 44 圖 6. 1 基于模式匹配的中醫(yī)醫(yī)案信息抽取系統(tǒng)結(jié)構(gòu)圖 ............................... 48 圖 6. 2 信息抽取模塊流程圖 .......................................................................... 50 圖 6. 3 用戶登錄界面設(shè)計 .............................................................................. 51 圖 6. 4 用戶管理界面設(shè)計 .............................................................................. 52 圖 6. 5 系統(tǒng)主界面設(shè)計 ................................................................................. 52 圖 6. 6 用戶詞典管理界面 .............................................................................. 53 圖 6. 7 基于模版匹配的抽取界面 .................................................................. 54 北京科技大學(xué)碩士學(xué)位論文 XIII 附表清單 表 5. 1 模式庫 系統(tǒng)用到的 16 個模式 ........................................................... 31 表 5. 2 模式中數(shù)字的含義 ............................................................................. 32 表 5. 3 模式中字母的含義 ............................................................................. 32 表 5. 4 中醫(yī)醫(yī)案的用戶詞典 ......................................................................... 34 表 5. 5 VecWordCate 數(shù)據(jù)結(jié)構(gòu)圖 .................................................................. 39 表 5. 6 基本信息部分實例 ............................................................................. 40 表 5. 7 主訴部分存儲實例 ............................................................................. 40 表 5. 8 治則部分存儲實例 ............................................................................. 41 表 5. 9 VecWordCate 數(shù)據(jù)結(jié)構(gòu)圖 .................................................................. 41 表 6. 1 用戶信息表 ......................................................................................... 50 表 6. 2 案例信息表 ......................................................................................... 51 北京科技大學(xué)碩士學(xué)位論文 1 1 緒論 課題背景 課題的來源，目的和意義 該研究課題來源 于 “十二五”國家科技支撐計劃“ 名老中醫(yī)臨床經(jīng)驗、學(xué)術(shù)思想傳承研究（一） ” 項目。 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。 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)?；谌斯ふZ料分類的 IE 模式學(xué)習(xí)系統(tǒng)，如AutoSlogTS 等 。 AutoSlog 的核心 就是一個模式學(xué)習(xí)算法。 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。 可以使用此方法一次對上述語言模式和 IE 模式解釋。CRYSTAL 則向自動化更靠近了一步，它的輸入可描述為“標(biāo)注實例 +語義層次詞典”，無須人工監(jiān)督過程即可完成學(xué)習(xí)過程。 第一階段，用戶提供出領(lǐng)域相關(guān)的和領(lǐng)域非相關(guān)的語料，使用 CIRCUS 句法分析器對語料進(jìn)行句法分析，然后根據(jù) AutoSlog 中用到的語言模式學(xué)習(xí)出相應(yīng)的 Concept Node。 第二階段，對于第一階段學(xué)習(xí)出來的多個 Concept Node，利用 CIRCUS 句法分析器對這些 Concept Node 進(jìn)行領(lǐng)域相關(guān)性打分 。 圖 2. 5 ExDisco 中用到的 ”管理職位繼任 ”IE 領(lǐng)域的兩個種子 IE 模式 其中， CCompany 表示公司類命名實體， CPerson 表示人物類命名實體 ；CAppoint 表示任命類動詞 ； 它的集合為 {name ， promote， elect ， appoint}；CResign 為離任類動詞，它的集合為 {stepdown ， quit ， depart ， resign }。 Exdisco 的 IE 模式學(xué)習(xí)流程 ， 算法描述 如下： Subject Verb Direct Object CCompany CAppoint CPerson CPerson CResign 北京科技大學(xué)碩士學(xué)位論文 9 圖 2. 6 Exdisco 的 IE 模式學(xué)習(xí)流程 基于 WordNet和語料標(biāo) 注的 IE 模式學(xué)習(xí)系統(tǒng) 基于 WordNet 和語料標(biāo)注的 IE 模式獲取系統(tǒng)的典型代表系統(tǒng)是 TIMES。規(guī)則在條件觸發(fā)后，就完成了一次信息抽取，實現(xiàn)了抽取出正確的目標(biāo)。 3)將領(lǐng)域相關(guān)度最高的模式加到模式集合 P 中。 3)用戶指示系統(tǒng)將相關(guān)的名詞短語與其所能充當(dāng)?shù)氖录巧P(guān)聯(lián)起來。 第五列“ Syntactic category” 顯示左邊短語 的語法類型。 北京科技大學(xué)碩士學(xué)位論文 13 3 中醫(yī)醫(yī)案特征分析 中醫(yī)醫(yī)案是醫(yī)務(wù)人員對病人患病經(jīng)過和治療情況所作的文字記錄，是醫(yī)生診斷和治療疾病的依據(jù) ,也是醫(yī)學(xué)科學(xué)研究中很有價值的資料。 通常采用結(jié)構(gòu)化醫(yī)案模板來實現(xiàn)病案信息的采集，這樣的方式不僅需要精通領(lǐng)域知識的專家，而且需要花費大量人力和物力。這些信息并不需要都出現(xiàn)在一分醫(yī)案中。苔白膩，質(zhì)淡紅稍胖，脈弦緩。 北京科技大學(xué)碩士學(xué)位論文 15 段落主題位于每個段的段首，例如圖 中的“處方”“按語”。 例 如 將泌尿道感染稱為泌感、將高血壓性心臟病稱為高心病 ， 將急性支氣管炎稱為急支 。 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 16 具有 自然語言與醫(yī)學(xué)雙重特性：中醫(yī)學(xué) 作為醫(yī)學(xué)的一門學(xué)科，具有醫(yī)學(xué)自身的特征。 中醫(yī)醫(yī)案語義 信息抽取 的 研究基礎(chǔ)及存在的問題 我們知道，漢語是以字為基本的書寫單位，與此同時與英語不同的是，詞語之間沒有明顯的區(qū)分標(biāo)記。 而上述的幾個方面表示了中醫(yī)醫(yī)案具有其特定的領(lǐng)域特點。 中醫(yī)領(lǐng)域 本身的特點 中醫(yī)醫(yī)案作為記錄醫(yī)生臨床治療過程的方法和手段，在中醫(yī)領(lǐng)域，其具有一些特定的特點， 分為以下幾個方面： 半文言特性：中醫(yī)學(xué)的形成與發(fā)展已有數(shù)千年的歷史，是中華民族在長期的生活、生產(chǎn)及醫(yī)療實踐中的經(jīng)驗總結(jié)，因此與中國古代文化互相交融滲透。 口語特性：中醫(yī)病案一般是 根據(jù)醫(yī)生的語言習(xí)慣對各項信息進(jìn)行描述，格式上 并 沒有 做出 嚴(yán)格 具體 的要求， 表達(dá)方式靈活多樣。唯脾腫大不減，湯劑中加元胡 9 克，桃仁 9 克；配服鱉甲煎丸，每次 60 丸（小水丸），日服 3 次。去年夏天因過食冷食，腹痛腹瀉，日瀉 10 余次，為稀水樣便，伴惡心嘔吐，經(jīng)本地保健員按“胃腸炎”治療好轉(zhuǎn)。 每類信息中又包含子信息，例如 病人基本信息中 又 包含姓名、年齡、出診時間和職業(yè)。在信息時代，利用計算機技術(shù)從海量信息中發(fā)現(xiàn)知識 是目前 最主要的需求。這樣的方法會在很大程度上減輕用戶的輔助工作量。第三列“ Semantic type” 列出了左邊短語的語義類型。 l)設(shè)人工給出的事件語句為 “ The National Technology Group has a need for qualified Inventory Specialists to work