买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：广州大鱼创福科技有限公司

摘要：本发明属于数据处理技术领域，具体涉及一种基于数据流匹配的电子病历查重率估计方法，包括：获取历史病历数据，根据历史病历数据构建关键词词典和词频统计表；获取用户的病历数据信息，并采用对病历数据信息中的中文文字进行编码；根据关键词词典和词频统计表提取待查重病历数据信息中的特征词；采用领域词系统对提取出的特征词进行标准化处理，得到统一的特征词；对编码后的数据流，计算统一特征词和目标特征词的相似度；根据相似度计算结果对病历数据信息进行综合判别，得到电子病历查重率估计结果；本发明通过综合采用CRF与SVM模型，抽取电子病历实体与实体关系，提高了实体的检测准确度。

主权项：1.一种基于数据流匹配的电子病历查重率估计方法，其特征在于，包括：获取历史病历数据，根据历史病历数据构建关键词词典和词频统计表；获取用户的病历数据信息，该信息包括病历主诉、关键词、病历摘要、所属医疗机构以及医护信息；根据关键词词典和词频统计表提取待查重病历数据信息中的特征词；采用领域词系统对提取出的特征词进行标准化处理，得到统一的特征词；计算统一特征词和目标特征词的相似度；根据相似度计算结果对病历数据信息进行综合判别，得到电子病历查重率估计结果；构建关键词词典和词频统计表的过程包括：历史病历数据信息包括医疗问题、客观体征、评估和诊断结果以及诊疗计划；采用文本排序TextRank算法提取病历数据信息中的特征词；统计关键词在语料库中的词频-逆向文件频率值，并将该值作为权重，到特征词向量；将所有的特征向量进行集合，得到关键词词典；统计关键词词典中每个关键词的个数，将所有的关键词个数进行集合，得到词频统计表；其中采用文本排序TextRank算法提取病历数据信息中的特征词的过程包括：将文本T按照完整句子进行分割，对分割后的每个句子进行分词和词性标注处理；对经过词性标注的句子过滤除名词、动词、形容词词性之外的其他词；构建关键词图，其中关键词图中的节点为保留词，共现关系为两点之间的边，两个节点之间仅当它们对应的词汇在长度为K的窗口中共现则存在边，K表示窗口大小即最多共现K个词汇；计算各节点TextRank收敛值；选择TextRank值最高的TopK个词汇作为最终关键词；将最终关键词作为候选关键词；将候选关键词在原始文本中进行标记；采用Knuth-Morris-Pratt算法计算统一特征词和目标特征词的相似度；包括：将特征词中的中文字转换为中文编码字符集，其中编码不足四位的字符在编码前端补0；对形成的字符串语段进行切片，以四个字符为单位，得到一个字符组；针对一个字符串P，计算P的部分匹配值，其中部分匹配值为字符串前缀和字符串后缀的最长共有元素的长度；将一个字符串S的第一个字符与字符串P的第一个字符进行比较，若两字符串第一个字符不匹配，则搜索词后移一位，以此类推字符串S的第二个、第三个字符，直到字符串有一个字符与搜索词的第一个字符相同为止；比较字符串和搜索词的下一个字符，若相同，则继续匹配字符串S与字符串P的下一个字符，直到字符串有一个字符与搜索词对应的字符不相同为止；查询部分匹配表，获取最后一个匹配字符对应的部分匹配值，根据部分匹配值计算字符向后移动的位数；若移动搜索此后，P字符串中第k个字符仍不匹配，则继续以上方法，改变已匹配字符数与部分匹配值，继续将P字符串向后移动，逐位比较，直至搜索词的最后一位，发现完全匹配，此时搜索完成；电子病历相似度为：SIMI,V＝max{SimI,Vi×wi|i∈[1，4]}+Δp+Δo其中，Sim·表示相似度函数，I为从输入的检索信息中抽取的描述病历内容的特征向量，V为待判定病历内容的描述向量，max·为最大值函数，Δp表示因相同医师而引入的校正因子，Δo表示因相同医疗机构而引入的校正因子，wi指四个信息来源的权重。

全文数据：

权利要求：

百度查询： 广州大鱼创福科技有限公司 一种基于数据流匹配的电子病历查重率估计方法