一种基于词义加权TF-IDF疾病表征词提取方法

摘要

本发明公开了一种基于词义加权TF‑IDF疾病表征词提取方法，包括以下步骤：(1)数据预处理；(2)结合电子病历特点，构建本地任务词库；(3)计算文本词义特征加权权重值；(4)统计词频，计算逆文档频率，形成TF‑IDF计算模型，并将词义权重引入模型；(5)模型运行，获取疾病表征词。该基于词义加权TF‑IDF疾病表征词提取方法与传统的TF‑IDF模型相比，本发明提出的技术方案引入了词义加权以提升关键语义信息词的“重要性”，通过词义加权的方式对文本的词频信息进行扰动，提高了模型对电子病历文本中疾病表征词的提取性能。