基于位置降噪和丰富语义的电子病历实体关系抽取

李丽双,袁光辉,刘晗喆

(1. 大连理工大学 计算机科学与技术学院，辽宁 大连116024；2. 辽宁省肿瘤医院(中国医科大学肿瘤医院) 重症医学科，辽宁 沈阳 110042)

0 引言

电子病历文本中含有丰富的临床医学信息，从中抽取实体之间的关系是一项重要任务，可以为临床数据库的构建、医学知识图谱生成和临床辅助决策等提供数据支持。目前，电子病历文本中实体关系抽取的研究大多数是句子级的，主要研究从电子病历中抽取疾病、检查和治疗这几类实体间的关系。

应用于电子病历领域的实体关系抽取方法主要有三种。早期，研究者使用的是基于规则的方法。例如，Harkema等[1]提出一种上下文算法，该算法首先获取出现在上下文中的词法线索，然后依据此词法线索推断临床报告中提到的临床条件状态，对于包含给定条件的临床报告，该算法取得了很好的效果。基于规则的方法主要依赖专业人员制定的规则抽取信息，但实际运用中研究人员往往难以归纳出所有的语法和规则，所以性能一般较差。随着机器学习技术的不断发展，利用浅层机器学习技术进行电子病历文本实体关系抽取的方法[2-5]逐渐增多。这些方法主要依赖于手工构建的一些特征，如词汇、语境、词位置信息、块标记等。例如，Rink和Harabagiu[3]采用SVM的方法，首先利用词汇、标记和相关领域的语料资源构建特征，然后将构建的特征用SVM进行实体关系分类，该方法在 2010年i2B2/VA关系分类的挑战赛中取得了最好成绩。……