基于条件随机场的中医临床病历命名实体抽取
2014-06-06周雪忠1b1b张润顺
刘 凯,周雪忠,1b,于 剑,1b,张润顺
(1.北京交通大学a.计算机与信息技术学院;b.交通数据分析与挖掘北京市重点实验室,北京100044; 2.中国中医科学院广安门医院,北京100053)
基于条件随机场的中医临床病历命名实体抽取
刘 凯1a,周雪忠1a,1b,于 剑1a,1b,张润顺2
(1.北京交通大学a.计算机与信息技术学院;b.交通数据分析与挖掘北京市重点实验室,北京100044; 2.中国中医科学院广安门医院,北京100053)
中医临床病历是中医重要的科研数据资源,但目前临床病历仍以文本为主要表达形式,对病历数据深入分析的前提是进行结构化信息抽取,而命名实体抽取是其基础性步骤。针对中医临床病历的命名实体,如症状、疾病和诱因等的抽取问题,通过手工标注的413份病历数据(以中文字为特征)与4类特征模版,将条件随机场(CRF)、隐马尔科夫模型(HMM)和最大熵马尔科夫模型(MEMM)用于中医病历命名实体抽取的实验,并进行比较分析。结果表明,结合合适的特征模版,CRF命名实体抽取方法取得了较好的性能,F1值的症状达到0.80,疾病名称达到0.74,诱因0.74。与HMM和MEMM相比,CRF有最高的准确率和召回率,是一种较为适用的中医临床病历命名实体抽取方法。
中医临床病历;命名实体抽取;语料库标注系统;条件随机场;特征模板
1 概述
随着近十年医疗信息化建设的进展和临床数据的不断积累,作为诊疗实践主要信息载体的中医临床病历成为中医学和信息学关注的重要研究资源[1-2]。名老中医文本病历是中医临床诊疗的重要数据资源,它具有非结构化、口语化、专业化等特点,对其数据深度利用的重要前提是对相关医学命名实体术语的抽取,而命名实体抽取方法正是从自由文本中抽取所需命名实体术语的基础技术。……
