CN112445789A - 用于将目标文本转化成结构化数据的方法和装置 - Google Patents
用于将目标文本转化成结构化数据的方法和装置 Download PDFInfo
- Publication number
- CN112445789A CN112445789A CN201910760751.6A CN201910760751A CN112445789A CN 112445789 A CN112445789 A CN 112445789A CN 201910760751 A CN201910760751 A CN 201910760751A CN 112445789 A CN112445789 A CN 112445789A
- Authority
- CN
- China
- Prior art keywords
- target text
- entity
- structured data
- data
- converting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000004590 computer program Methods 0.000 claims description 9
- 230000009466 transformation Effects 0.000 claims description 4
- 238000013519 translation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 208000002193 Pain Diseases 0.000 description 8
- 238000013500 data storage Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 230000015654 memory Effects 0.000 description 6
- 239000003795 chemical substances by application Substances 0.000 description 5
- 238000001356 surgical procedure Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 210000002784 stomach Anatomy 0.000 description 4
- 208000024891 symptom Diseases 0.000 description 4
- 206010017815 Gastric perforation Diseases 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 206010019233 Headaches Diseases 0.000 description 1
- 206010042602 Supraventricular extrasystoles Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002496 gastric effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000007721 medicinal effect Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Software Systems (AREA)
- Document Processing Apparatus (AREA)
Abstract
本公开的实施例公开了用于将目标文本转化成结构化数据的方法和装置。该方法的一具体实施方式包括：获取目标文本；根据该目标文本，提取实体和实体关系；根据该实体和该实体关系，将目标文本转化成结构化数据；将该结构化数据发送到存储设备上。该实施方式实现了将目标文本转化成结构化数据，从而对目标文本可以进行各种高效、智能的查询。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及用于将目标文本转化成结构化数据的方法和装置。
背景技术
结构化数据，简单来说就是数据库。结合到典型场景中更容易理解，比如企业ERP(Enterprise Resource Planning，企业资源计划)、财务***；医疗HIS(HospitalInformation System，医院信息***)数据库；教育一卡通；政府行政审批；其他核心数据库等。
结构化数据也称作行数据，是由二维表结构来逻辑表达和实现的数据，严格地遵循数据格式与长度规范，主要通过关系型数据库进行存储和管理。与结构化数据相对的是不适于由数据库二维表来表现的非结构化数据，包括所有格式的办公文档、XML(Extensible Markup Language，可扩展标记语言)、HTML(Hyper Text Markup Language，超文本标记语言)、各类报表、图片和音频、视频信息等。支持非结构化数据的数据库采用多值字段、了字段和变长字段机制进行数据项的创建和管理，广泛应用于全文检索和各种多媒体信息处理领域。
发明内容
本发明内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本发明内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了用于将目标文本转化成结构化数据的方法和装置。
第一方面，本公开的一些实施例提供了一种用于将目标文本转化成结构化数据的方法，该方法包括：获取目标文本；根据上述目标文本，提取实体和实体关系；根据上述实体和实体关系，将获取到的目标文本转化成结构化数据；将上述结构化数据发送到存储设备上。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。
图1是本公开的一些实施例可以应用于其中的示例性***的架构图；
图2是根据本公开实施例的用于将目标文本转化成结构化数据的方法的一些实施例的流程图；
图3是根据本公开的一些实施例的用于将目标文本转化成结构化数据的方法的一个应用场景的示意图；
图4是适于用来实现本公开的一些实施例的电子设备的计算机***的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
图1示出了可以应用本公开的一些实施例的用于将目标文本转化成结构化数据的方法的示例性***架构100。
如图1所示，***架构100可以包括终端设备101、102、103，网络104和服务器105、106。网络104用以在终端设备101、102、103和服务器105、106之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使终端设备101、102、103通过网络104与服务器105、106交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用。
终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏并且支持图像识别的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
服务器105可以是提供各种服务的服务器，例如存储目标文本的数据存储服务器。数据存储服务器可以存储有目标文本。目标文本通常包括病人的入院记录，住院记录，出院记录等。
服务器106可以是提供各种服务的服务器，例如对终端设备101、102、103上的数据存储应用提供支持的后台服务器。后台服务器可以获取数据存储服务器105中存储的目标文本并将目标文本转化成结构化数据，并将结构化数据反馈给终端设备。
需要说明的是，本公开实施例的用于将目标文本转化成结构化数据的方法一般由服务器106执行。
需要说明的是，服务器105、106可以是硬件，也可以是软件。当服务器105、106为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，示出了根据本公开实施例的用于将目标文本转化成结构化数据的方法的一些实施例的流程图200。该用于将目标文本转化成结构化数据的方法，包括以下步骤：
步骤201，获取目标文本。
在一些实施例中，用于将目标文本转化成结构化数据的方法的执行主体(例如图1所示的服务器106)可以通过多种方式来获取目标文本。例如，执行主体可以通过有线连接方式或无线连接方式，从数据存储服务器(例如图1所示的数据存储服务器105)中获取存储于其中的现有的目标文本。再例如，用户可以通过终端(例如图1所示的终端101、102、103)来收集文本。这样，执行主体可以接收终端所收集的文本，并将这些文本存储在本地，从而得到目标文本。在这里，目标文本可以包括病人的入院记录，住院记录，出院记录等。
作为示例，我们可以确定医院的位置，在医院的***上部署大数据平台。可以到医院信息科取得医院信息***的登录账户和密码。接入医院信息***数据库，并从数据库中获取数据。这里的数据就是目标文本，例如，“胃穿孔，于2019年6月1日入院，经过术前检查于2019年6月10日手术，于2019年6月20日痊愈出院”。
在这里，为了从目标医院中获取目标文本，我们通常可以先和已经确定的三甲医院的信息科取得联系。之后，在医院的***上部署大数据平台。利用信息科给予的账户和密码接入医院的***，从***中获取文本。这里的***包括全院所有***，其中包括HIS***、EMR***(Electronic Medical Record，计算机化病历***)、LIS***(LaboratoryInformation System，实验室(检验科)信息***)、PACs***(Picture Archiving andCommunication Systems，影像归档和通信***)等。
步骤202，根据目标文本，提取实体和实体关系。
在一些实施例中，执行主体可以从步骤201中获取到目标文本，提取文本中的实体和实体关系。其中，实体是指自然语言里面的实体。实体就是目标文本中的实体。实体的名称是预先设定的，例如，部位、症状、持续时间和趋势等。分析文本中的实体和实体关系，就是针对一段文本从符合人类语言的角度，分析该段文本各个部分所属于的词性。每一个词性都是实体，实体关系通常是修饰语，例如，副词。例如，给定文本“头部隐痛三天”，其中，“头部、隐痛、三天”都是实体。“头部”是部位，“隐痛”是症状，“三天”是持续时间。实体关系可以是头部修饰隐痛，三天修饰隐痛。提取实体，通常是将分析得出的实体从文本中提取出来。
作为示例，以步骤201的示例中的例子为例，“胃穿孔”就是症状也是入院原因，“手术”是处置方式，“2019年6月1日，2019年6月10日，2019年6月20日”都是时间，但是其中还分为入院时间，处置时间，出院时间，“入院时间，处置时间，出院时间”这些都是预先设定的实体的名称。“胃穿孔，手术，入院，出院”都是实体，而“2019年6月1日，2019年6月10日，2019年6月20日”是实体的值。其中，实体关系可以是手术时间修饰手术。
步骤203，根据实体和实体关系，将获取到的目标文本转化成结构化数据。
在一些实施例中，执行主体根据从步骤202中获取到的实体以及实体关系，将获取到的目标文本转化成结构化数据。结构化数据通常就是计算机可以检索的数据。将目标文本转化成结构化数据通常是把一些计算机无法检索的文本变成计算机可以检索的数据。
作为示例，以步骤201的示例中的例子为例，根据步骤202中提取到的实体和实体关系，将步骤201中的文本转换成数据库表的形式。例如可以如下表所示：
步骤204，将结构化数据发送到存储设备上。
在一些实施例中，执行主体根据从步骤203中获取到的结构化数据发送到存储设备上。将结构化数据发送到存储设备上的方法有很多种，例如，我们可以在网上发送，也可以借用硬盘或U盘等可存储工具来辅助保存和传输。存储设备可以是我们自己部署的大数据平台。
作为示例，以步骤201的示例中的例子为例，将步骤203中生成的表格发送到存储设备上。
在一些实施例的一些可选的实现方式中，获取目标文本，包括：确定目标医院；从目标医院中获取目标文本。在这里，目标医院可以是来自国内一线城市的三甲医院，我国对城市和医院都有着严格的等级划分，三甲医院是依照中国现行《医院分级管理办法》等的规定划分的医疗机构级别。
在一些实施例的一些可选的实现方式中，根据上述目标文本，提取实体和实体关系，包括：确定上述目标文本中的实体和实体关系，将上述实体和实体关系分别提取出来。作为示例，我们可以手动将目标文本中的实体和实体关系进行标注，并将目标文本中的实体和实体关系提取出来。
在一些实施例的一些可选的实现方式中，根据上述实体以及实体关系，将获取到的目标文本转化成结构化数据，包括：将目标文本输入机器翻译架构，得到与目标文本对应的结构化数据。作为示例，机器翻译架构可以是Encoder-Decoder(编码器-解码器)。其中编码器Encoder可以是卷积神经网络(Convolutional Neural Networks,CNN)或长短期记忆网络(LSTM，Long Short-Term Memory)或完全基于Multi-Heads Attention的经典网络结构Transformer。解码器Decoder可以是卷积神经网络或长短期记忆网络或经典网络结构。作为示例，Encoder通过学习输入的目标文本，将目标文本编码成一个固定大小的状态向量S，继而将S传给Decoder，Decoder再通过对状态向量S的学习来进行输出结果(例如结构化数据)作为翻译后的结果。在一些实施例的一些可选的实现方式中，根据上述实体以及实体关系，将获取到的目标文本转化成结构化数据，包括：将目标文本分解成单词序列；将上述单词序列输入到编码器-解码器结构下的编码器；将输入的单词序列通过非线性变换转化为中间语义表示；基于中间语义表示，生成用于组成结构化数据的至少一个单词。在这里，目标文本中的每个词都单独作为一个单词，按照文本顺序进行排列得到单词序列。非线性变换每个输出值的变化量与其相应的输入值的变化量之比不是常数的转换。中间语义就是输入单词序列通过非线性变换转化成的函数。
在一些实施例的一些可选的实现方式中，对上述病历数据库中的数据进行结构化，包括：将上述病历数据库中的数据转换成同样的表结构格式的数据。作为示例，表结构格式可以是预先设定的数据库表的格式。在一些实施例的一些可选的实现方式中，将上述结构化数据发送到存储设备上，包括：确定上述目标医院；根据确定的上述目标医院，接入医院的院内***；从上述院内***中获取上述目标医院内的病历数据；将上述病历数据转换成结构化数据；将上述结构化数据发送到存储设备上。院内***是指目标医院内的所有***。例如，HIS***、EMR***。病历数据是医务人员对患者疾病的发生、发展、转归，进行检查、诊断、治疗等医疗活动过程的记录。
本公开的一些实施例提供的用于将目标文本转化成结构化数据的方法，实现了目标文本转化成结构化数据，从而对目标文本可以进行各种高效、智能的查询。
继续参考图3，图3是根据本公开的一些实施例的用于将目标文本转化成结构化数据的方法的一个应用场景的示意图300。在图3的应用场景中，执行主体302从数据存储服务器301中获取目标文本，例如，“胃右上部疼痛三天”。执行主体302执行303中的步骤，其中，“胃，右上，疼痛，三天”都是实体，“胃”是部位，“右上”是方位，“疼痛”是症状，“三天”是持续时间。实体关系可以是胃修饰疼痛，三天修饰疼痛，右上修饰胃。根据上述实体和实体关系提取出来并将目标文本转化成结构化数据。执行主体302将上述结构化数据发送到储存设备304。
本公开的一些实施例提供的方法通过对目标文本进行提取和转化，实现了将目标文本转化成结构化数据。
下面参考图4，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的服务器)400。图示出。图4示出的服务器仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。
通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例上述的计算机可读介质需要说明的是，本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取目标文本；根据目标文本，提取实体和实体关系；根据实体和实体关系，将目标文本转化成结构化数据；将结构化数据发送到存储设备上。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
本公开的实施例公开的用于将目标文本转化成结构化数据的方法，该方法实现了目标文本可以高效、智能的进行各种查询。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。
Claims (9)
1.一种用于将目标文本转化成结构化数据的方法，包括：
获取目标文本；
根据所述目标文本，提取实体和实体关系；
根据所述实体和实体关系，将所述目标文本转化成结构化数据；
将所述结构化数据发送到存储设备上。
2.根据权利要求1所述的方法，其中，所述获取目标文本，包括：
确定目标医院；
从所述目标医院中获取目标文本。
3.根据权利要求1所述的方法，其中，所述根据所述目标文本，提取实体和实体关系，包括：
确定所述目标文本中的实体和实体关系；
将所述实体和实体关系分别提取出来。
4.根据权利要求1所述的方法，其中，所述根据所述实体以及实体关系，将获取到的目标文本转化成结构化数据，包括：
将目标文本输入机器翻译架构，得到与目标文本对应的结构化数据。
5.根据权利要求1所述的方法，其中，所述根据所述实体以及实体关系，将获取到的目标文本转化成结构化数据，包括：
将目标文本分解成单词序列；
将所述单词序列输入到编码器-解码器结构下的编码器；
将输入的单词序列通过非线性变换转化为中间语义表示；
基于中间语义表示，生成用于组成结构化数据的至少一个单词。
6.根据权利要求2所述的方法，其中，该方法还包括：
根据确定的目标医院，从所述目标医院中获取病历数据库中的数据；
对所述病历数据库中的数据进行结构化；
将结构化后的病历数据库中的数据发送到存储设备上。
7.根据权利要求5所述的方法，其中，所述对所述病历数据库中的数据进行结构化，包括：
将所述病历数据库中的数据转换成同样的表结构格式的数据。
8.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
9.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910760751.6A CN112445789A (zh) | 2019-08-16 | 2019-08-16 | 用于将目标文本转化成结构化数据的方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910760751.6A CN112445789A (zh) | 2019-08-16 | 2019-08-16 | 用于将目标文本转化成结构化数据的方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112445789A true CN112445789A (zh) | 2021-03-05 |
Family
ID=74741976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910760751.6A Pending CN112445789A (zh) | 2019-08-16 | 2019-08-16 | 用于将目标文本转化成结构化数据的方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112445789A (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106484674A (zh) * | 2016-09-20 | 2017-03-08 | 北京工业大学 | 一种基于深度学习的中文电子病历概念抽取方法 |
| CN108447534A (zh) * | 2018-05-18 | 2018-08-24 | 灵玖中科软件（北京）有限公司 | 一种基于nlp的电子病历数据质量管理方法 |
| CN108733837A (zh) * | 2018-05-28 | 2018-11-02 | 杭州依图医疗技术有限公司 | 一种病历文本的自然语言结构化方法及装置 |
| CN108984683A (zh) * | 2018-06-29 | 2018-12-11 | 北京百度网讯科技有限公司 | 结构化数据的提取方法、***、设备及存储介质 |
| CN109243616A (zh) * | 2018-06-29 | 2019-01-18 | 东华大学 | 基于深度学习的乳腺电子病历联合关系抽取与结构化*** |
| CN109299472A (zh) * | 2018-11-09 | 2019-02-01 | 天津开心生活科技有限公司 | 文本数据处理方法、装置、电子设备及计算机可读介质 |
| CN109471895A (zh) * | 2018-10-29 | 2019-03-15 | 清华大学 | 电子病历表型抽取、表型名称规范化方法及*** |
| CN109800411A (zh) * | 2018-12-03 | 2019-05-24 | 哈尔滨工业大学（深圳） | 临床医疗实体及其属性抽取方法 |
| CN110110324A (zh) * | 2019-04-15 | 2019-08-09 | 大连理工大学 | 一种基于知识表示的生物医学实体链接方法 |
-
2019
- 2019-08-16 CN CN201910760751.6A patent/CN112445789A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106484674A (zh) * | 2016-09-20 | 2017-03-08 | 北京工业大学 | 一种基于深度学习的中文电子病历概念抽取方法 |
| CN108447534A (zh) * | 2018-05-18 | 2018-08-24 | 灵玖中科软件（北京）有限公司 | 一种基于nlp的电子病历数据质量管理方法 |
| CN108733837A (zh) * | 2018-05-28 | 2018-11-02 | 杭州依图医疗技术有限公司 | 一种病历文本的自然语言结构化方法及装置 |
| CN108984683A (zh) * | 2018-06-29 | 2018-12-11 | 北京百度网讯科技有限公司 | 结构化数据的提取方法、***、设备及存储介质 |
| CN109243616A (zh) * | 2018-06-29 | 2019-01-18 | 东华大学 | 基于深度学习的乳腺电子病历联合关系抽取与结构化*** |
| CN109471895A (zh) * | 2018-10-29 | 2019-03-15 | 清华大学 | 电子病历表型抽取、表型名称规范化方法及*** |
| CN109299472A (zh) * | 2018-11-09 | 2019-02-01 | 天津开心生活科技有限公司 | 文本数据处理方法、装置、电子设备及计算机可读介质 |
| CN109800411A (zh) * | 2018-12-03 | 2019-05-24 | 哈尔滨工业大学（深圳） | 临床医疗实体及其属性抽取方法 |
| CN110110324A (zh) * | 2019-04-15 | 2019-08-09 | 大连理工大学 | 一种基于知识表示的生物医学实体链接方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7100087B2 (ja) | 情報を出力する方法および装置 | |
| US20190172566A1 (en) | Mobile patient-centric electronic health records | |
| US11625236B2 (en) | Auto mapping recommender | |
| US20230187037A1 (en) | Medical diagnostic platform | |
| CN111159220B (zh) | 用于输出结构化查询语句的方法和装置 | |
| EP4004945A1 (en) | Methods and systems for generating a diagnosis via a digital health application | |
| US10586069B2 (en) | Networking devices for storing profiles longitudinally | |
| US10692592B2 (en) | Synchronization of healthcare data across disparate data centers | |
| Dwivedi et al. | Merger of knowledge management and information technology in healthcare: Opportunities and challenges | |
| US20170193179A1 (en) | Graphical user interface (gui) for accessing linked communication networks and devices | |
| CN113190517B (zh) | 数据集成方法、装置、电子设备和计算机可读介质 | |
| Leventis et al. | Application of enterprise integration patterns for the digital transformation of parliamentary control | |
| CN114064923A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
| CN116564485A (zh) | 医疗数据的处理方法、装置、设备、存储介质和程序产品 | |
| CN111063447A (zh) | 查询和文本处理方法及装置、电子设备和存储介质 | |
| CN112445789A (zh) | 用于将目标文本转化成结构化数据的方法和装置 | |
| CN112446192A (zh) | 用于生成文本标注模型的方法、装置、电子设备和介质 | |
| Parikh et al. | PACS: next generation | |
| Anitha et al. | Virtual Medical Assistant Using Machine Learning | |
| Jayaratna et al. | HL7 v3 message extraction using semantic web techniques | |
| CN112397163B (zh) | 用于生成病例输入模型的方法、装置、电子设备和介质 | |
| Muriana et al. | A distributed integration system enabling electronic health records: An Italian experience | |
| Finet et al. | Relevance of health level 7 clinical document architecture and integrating the healthcare enterprise cross‐enterprise document sharing profile for managing chronic wounds in a telemedicine context | |
| CN113077353B (zh) | 用于生成核保结论的方法、装置、电子设备和介质 | |
| Omar et al. | Framework analysis on the adoption of digital healthcare services among senior citizens by using the extended technology acceptance model (ETAM) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |