中文病历文本分词方法研究.PDFVIP

３５ 卷 ４ 期 中　 国　 生　 物　 医　 学　 工　 程　 学　 报 Ｖｏｌ． ３５　 Ｎｏ． ４ ２０１６年８月 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ Ａｕｇｕｓｔ　 ２０１６ 中文病历文本分词方法研究 １ １，２，３∗ ４ ５ 李国垒 　 陈先来 　 夏　 冬 　 杨　 荣 １（中南大学信息安全与大数据研究院，长沙　 ４１００１３） ２ （医学信息研究湖南省普通高等学校重点实验室（中南大学），长沙　 ４１００１３） ３ （湖南省高等学校医学大数据２０１１协同创新中心，长沙　 ４１００１３） ４ （中国科学院成都文献情报中心，成都　 ６１００４１） ５ （中南大学湘雅医院，长沙　 ４１００７８） 摘　 要：探索适合医学文本的分词方法，为医学数据挖掘和临床决策支持的语义分析奠定基础。 分别使用单纯中 科院ＩＣＴＣＬＡＳ分词、ＩＣＴＣＬＡＳ＋ 自定义词典、ＩＣＴＣＬＡＳ＋统计分词和ＩＣＴＣＬＡＳ＋ 自定义词典结合互信息统计分词４ 种策略，对１５００份出院记录中的病历文本进行分词处理，并从准确率、召回率和综合指标值等３个方面对分词结果 进行评价。 以人工分词的５０份出院记录结果为标准依据，４ 种分词策略的综合指标值分别为４５７７％、５８７６％、 ６４９３％和７８０６％。 结果证实，自定义词典结合基于互信息的统计分词方法，能够有效地对病历中出院记录文本 进行分词处理，可以满足临床数据分析的需求，具有良好的推广意义。 关键词：病历文本；中文分词；统计分词；词典分词；出院记录 中图分类号　 Ｒ３１８　 　 文献标志码　 Ｄ　 　 文章编号　 ０２５８⁃８０２１（２０１６）０４⁃０４７７⁃０５ Ｒｅｓｅａｒｃｈ ｏｎ Ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ Ｃｈｉｎｅｓｅ Ｔｅｘｔ ｉｎ Ｍｅｄｉｃａｌ Ｒｅｃｏｒｄ １ １，２，３ ４ ５ Ｌｉ Ｇｕｏｌｅｉ 　 Ｃｈｅｎ Ｘｉａｎｌａｉ 　 Ｘｉａ Ｄｏｎｇ 　 Ｙａｎｇ Ｒｏｎｇ １ （Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｅｃｕｒｉｔｙ ａｎｄ Ｂｉｇ Ｄａｔａ，Ｃｅｎｔｒａｌ Ｓｏｕｔｈ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ４１００１３，Ｃｈｉｎａ） ２ （Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｍｅｄｉｃａｌ ＩｎｆｏｒｍａｔｉｏｎＲｅｓｅａｒｃｈ （Ｃｅｎｔｒａｌ Ｓｏｕｔｈ Ｕｎｉｖｅｒｓｉｔｙ），Ｃｏｌｌｅｇｅ ｏｆ Ｈｕｎａｎ Ｐｒｏｖｉｎｃｅ，Ｃｈａｎｇｓｈａ４１００１３，Ｃｈｉｎａ） ３ （Ｈｕｎａｎ Ｐｒｏｖｉｎｃｅ ＣｏｏｐｅｒａｔｉｖｅＩｎｎｏｖａｔｉｏｎ Ｃｅｎｔｅｒ ｏｆ Ｍｅｄｉｃａｌ Ｂｉｇ Ｄａｔａ，Ｃｈａｎｇｓｈａ４１００１３，Ｃｈｉｎａ） ４ （ＣｈｅｎｇｄｕＤｏｃｕｍｅｎｔａｔｉｏｎ ａｎｄ Ｉｎｆｏｒｍａｔｉｏｎ Ｃｅｎｔｅｒ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙ ｏｆ Ｓｃｉｅｎｃｅｓ，Ｃｈｅｎｇｄｕ６１００４１，Ｃｈｉｎａ） ５ （Ｘｉａｎｇｙａ Ｈｏｓｐｉｔａｌ，Ｃｅｎｔｒａｌ Ｓｏｕｔｈ Ｕｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｓｈａ４１００７８，Ｃｈｉｎａ） Ｋｅｙ ｗｏｒｄｓ：ｅｌｅｃｔｒｏｎｉｃ ｍｅｄｉｃａｌ ｒｅｃｏｒｄ； Ｃｈｉｎｅｓｅ ｔｅｘｔ ｓｅｇｍｅｎｔａｔｉｏｎ； ｓｔａｔｉ