文献类型：学位论文

中文题名：中文电子病历文本中的时间信息抽取算法研究

作者：孙健[1];

机构：[1]华东理工大学;

导师：高大启;华东理工大学

授予学位：硕士

语种：中文

中文关键词：电子病历;时间信息;数据抽取;知识库;条件随机场;语言特征

摘要：电子病历文本中的时间信息，对于标识患者从入院到出院期间不同阶段的病情变化，有着不可替代的作用，因而时间信息抽取在医学领域中受到越来越多的关注。时间实体抽取难点在于:电子病历中存在基于事件的时间，由于这类时间短语太长，很难将其准确识别出来从而导致边界错误。另外，在抽取时间关系的过程中，虽然事件之间存在时序关系，但当句内不存在时间词时，容易识别出错误的时间关系;同时，由于句间事件之间跨度远，若没有显式的时间词出现，很难确定句间事件-事件的时间关系。<br>　　在时间实体抽取方面，本文将中文电子病历文本中的时间分为独立时间和基于事件的时间，并针对这两类时间分别提出了基于bootstrapping的识别算法和基于条件随机场的识别算法。其中，为了解决基于事件的时间短语太长而不能准确定位其边界的问题，引入知识库作为词典特征，有效提高了利用条件随机场进行识别的准确率、召回率和F1值。<br>　　在关系抽取方面，本文把中文电子病历文本中的时间关系识别转化成实体对分类问题:针对句内事件-事件和句内事件-时间这两类时间关系的识别，分别制定了高准确率的启发式规则，并设计了多种语言特征训练不同的分类器;针对句间事件-事件的时间关系的识别，设计了基本特征、短语句法特征和其他特征，训练分类器缓解句间时间关系的识别错误。