一种电子病历高质短语抽取方法

摘要

本发明涉及一种电子病历高质短语抽取方法，属于大数据检索技术领域，该方法分为频繁短语挖掘、短语质量评估、短语切分和先验短语集更新四个阶段。首先进行频繁短语挖掘，基于频度统计，当短语出现频度大于阈值时，认为该短语频繁；然后，根据先验短语集对生成的频繁短语候选进行短语质量评估；接着，根据评估出的短语质量值进行短语切分，并修正错误的原始频率估计；最后，将切分结果中的高质短语加入先验短语集，完成高质短语抽取及先验短语集更新，以便在下次短语切分时，达到更好的切分效果。本方法能够有效抽取电子病历中的高质短语，抽取出的短语是病历中的常用词汇，且符合医生的使用习惯。