徐永东，权光日，王亚东

(哈尔滨工业大学(威海)计算机科学与技术学院，264209山东威海，ydxu@insun.hit.edu.cn)

在医疗信息化的大背景下，随着计算机及互联网技术的发展，以电子病历为载体的数字化医疗信息呈现海量增长的趋势，为快速准确获得所需信息，并将其以规范化的形式存储，使之方便地实现医疗数据的存储、传输、共享以及数据挖掘已成为人们一种迫切的需求.

电子病历 (EMR)在美国、日本和英国等[1－2]国家已投入巨资进行了深入的研究和应用.在国内医学领域[3]，电子病历及相关的医疗信息存储、传输、共享、挖掘等研究仍属刚刚起步阶段.而目前的电子病历大多以非结构化或者半结构化的文本形式为主，越来越难以满足现代医学研究的需求.因此，将病历信息进行数字化与可计算化转换是具有重大意义的研究课题.

目前普遍采用基于结构化病历采集模板的方式采集病历信息，获得大规模结构化病历库.由于人工创建模式的方法不仅耗时费力，而且由于信息抽取模式的分布不均匀，获取数目庞大的低频模式往往变得非常困难.因此目前常用模式自动生成技术来获取信息抽取模式，包括基于人工语料标注的模式学习方法、基于人工语料分类的模式学习方法、基于种子的模式学习方法等[4－9].国内医疗模式获取方面主要进行了对中医药学的局部信息抽取的研究.文献[10]提出了 Bubblebootstrapping方法，对中医药学中的复方名称和疾病名称进行了自动抽……