一种基于上传随访信息的语义识别的患者不良反应识别方法

摘要: 本发明涉及信息,尤其涉及一种基于上传随访信息的语义识别的患者不良反应识别方法。背景技术:1、在医疗信息处理与不良反应知识挖掘领域,对患者随访信息中不良反应的实体...
一种基于上传随访信息的语义识别的患者不良反应识别方法

本发明涉及信息,尤其涉及一种基于上传随访信息的语义识别的患者不良反应识别方法。

背景技术:

1、在医疗信息处理与不良反应知识挖掘领域,对患者随访信息中不良反应的实体识别与语义理解无疑是构建智能药物警戒系统的重要基石。无论是不良反应监测系统、患者安全评估平台,都离不开对上传随访文本中关键不良反应实体的精准提取及其严重程度、发生时间等深层语义的解析。这一领域的研究直接关系到机器对不良反应描述语言的理解能力,对提升临床用药安全与风险预警效果具有不可替代的价值。

2、然而,当前的不良反应信息抽取方法在面对真实世界患者随访文本的复杂表达时,往往难以适应多变的叙述结构和语义表达。许多技术在处理患者自述或医生记录的不良反应文本时,容易受到口语化表达、医学术语变体以及上下文依赖性的干扰,导致提取出的不良反应名称不完整、严重等级误判,甚至遗漏关键信息。这种局限性尤其体现在对文本片段的动态划分和语义关联的捕捉上,难以在不同患者、不同随访场景下保持稳定性和可靠性。

3、然而利用app应用系统的收集随访者上传的随访信息(包括不良反应,身体感受等信息)只是第一步骤,就其随访信息进行抽取才是难点;不良反应信息定点抽取的具体技术挑战,可以发现步长控制是一个关键因素。步长是指在文本扫描中跨越的单位长度,如果步长设置不当,就会错过“皮疹”、“恶心”等简短但关键的不良反应词,或者将“轻度头晕伴恶心”中的无关内容错误地归为同一实体。更深一层的问题在于,步长与词性特征的结合尚未在不良反应抽取中得到有效解决。词性是标注词语在句子中作用的标识,比如名词、动词、形容词等,而在不良反应描述中,形容词(如“严重的”)、名词(如“腹泻”)及否定词(如“无”)的排列往往暗示了不良反应的存在与否及其属性。如果步长无法根据词性变化灵活调整,就难以准确抓住那些隐藏在复杂随访语句中的不良反应实体信息。例如,在处理一段描述患者用药后反应的上传文本“患者服用某药后出现轻度恶心,但未见呕吐”时,可能会因为步长固定而忽略了“轻度”这一修饰词,导致提取出的不良反应不包含严重程度,或者将否定结构误判为阳性实体,进而影响后续的严重性分级和临床决策支持。

4、因此,如何在基于上传患者随访信息(不良反应)的文本处理中实现步长与词性特征的动态匹配,确保不良反应信息实体提取的精准性和语义完整性,从而完成定点抽取,成为当前药物警戒与医疗文本挖掘领域亟待解决的关键问题。即如何在文本处理中实现步长与词性特征的动态匹配,确保实体提取的精准性和语义的完整性,成为当前亟待解决的关键问题。这一问题的解决,不仅关乎技术本身的进步,也直接影响到智能系统在实际应用中的表现和用户体验。

技术实现思路

1、本发明提供了一种基于上传随访信息的语义识别的患者不良反应识别方法,主要包括:

2、获取待处理的随访文本,对随访文本进行分词和词性标注,得到词语序列及其对应的词性标签序列;

3、设定步长调整因子,根据所述步长调整因子和所述词性标签序列,对随访文本进行初步扫描和切分,得到初始语义片段集合,其中切分边界依据词性标签进行调整;

4、构建包含宏观主题层、中观逻辑层和微观实体层的三层次的语义抽象框架,并将所述初始语义片段集合中的片段分配至对应的语义抽象框架的分辨率层,确定每个片段在其所属分辨率层下的语义聚焦范围;

5、在同一个分辨率层内计算相邻片段间的语义关联强度j,所述语义关联强度j基于相邻片段的向量余弦相似度、语义聚焦范围的重叠度加权求和得到;若所述语义关联强度j高于预设的第一阈值,则合并所述相邻片段,得到优化后的语义片段集合;

6、针对合并后的语义片段集合,计算优化后每个片段的综合语义完整性得分ψ;若所述综合语义完整性得分ψ低于预设的第二阈值,则触发跨层关联处理方法在更高分辨率层中查找语义相似的父片段,并利用所述父片段修正当前片段的边界,得到最终的语义片段边界;

7、在所述最终的语义片段边界内,计算每个候选实体的信息密度d,所述信息密度d基于该实体的tf-idf值及其与最近否定词的距离进行调整;根据所述信息密度d对候选实体进行排序,抽取排名靠前的预定数量的实体作为最终的实体提取结果。

8、优选的,作为一种可实施方案;所述获取待处理的随访文本,对随访文本进行分词和词性标注,得到词语序列及其对应的词性标签序列;设定步长调整因子,根据所述步长调整因子和所述词性标签序列,对随访文本进行初步扫描和切分,具体包括如下步骤:

9、从上传的随访信息文本中获取原始数据,首先进行分词和词性标注,生成一个带有词性标签的词语序列;定义一个基础扫描步长;

10、然后,根据词语的词性,定义一个步长调整因子:若当前词语的词性为名词或动词,则,用于缩短步长以精细捕捉核心实体;若当前词语的词性为形容词或副词,则,保持步长不变以捕捉修饰信息;若当前词语的词性为否定词,则,用于延长步长以覆盖整个否定范围;

11、设置动态步长,利用所述动态步长对词语序列进行初步扫描和切分,得到初始语义片段集合。

12、优选的,作为一种可实施方案;所述将所述初始语义片段集合中的片段分配至对应的语义抽象框架的分辨率层,确定每个片段在其所属分辨率层下的语义聚焦范围,具体包括:

13、获取前述步骤得到的初始语义片段集合,对每个片段进行词频-逆文档频率向量化,得到其特征向量;

14、预设三个分辨率层的中心向量,包括宏观主题层中心向量中观逻辑层中心向量、微观实体层中心向量,分别通过对大量标注文本的对应层次片段向量取均值得到;

15、计算片段与各层中心向量的余弦相似度:;

16、将片段分配至相似度最高的分辨率层层,层);

17、根据片段所属的分辨率层,确定其语义聚焦范围:若为宏观主题层,则为整个文本段落或章节的索引范围;若为中观逻辑层,则为当前句子或分句的词语索引范围[, ];若为微观实体层,则为片段自身所覆盖的词语索引范围。

18、优选的,作为一种可实施方案;所述在同一个分辨率层内计算相邻片段间的语义关联强度j,所述语义关联强度j基于相邻片段的向量余弦相似度、语义聚焦范围的重叠度加权求和得到;若所述语义关联强度j高于预设的第一阈值,则合并所述相邻片段,得到优化后的语义片段集合,具体包括:

19、在同一个分辨率层内获取相邻片段,对于相邻片段和,分别提取其特征向量以及语义聚焦范围;计算两个子指标,包括第一子指标为向量余弦相似度、第二子指标为聚焦范围重叠度;设定权重系数α,β,满足a +β=1;基于第一子指标和第二子指标以及权重系数α,β进行计算当前相邻片段的语义关联强度j;设定第一阈值,若当前相邻片段的大于所述第一阈值,则将片段和合并为一个新片段,并更新语义聚焦范围r;

20、重复前述步骤直至不存在可合并的相邻片段,输出优化后的语义片段集合。

21、优选的,作为一种可实施方案;所述针对合并后的语义片段集合,计算优化后每个片段的综合语义完整性得分ψ;若所述综合语义完整性得分ψ低于预设的第二阈值,则触发跨层关联处理方法在更高分辨率层中查找语义相似的父片段,并利用所述父片段修正当前片段的边界,得到最终的语义片段边界,具体包括:

22、对于优化后的语义片段集合中的每个片段,获取其所属分辨率层和语义聚焦范围;即对于优化后的语义片段集合中的每个片段,获取其所属分辨率层和语义聚焦范围;

23、对每个片段进行完整性评估,包括基于片段内核心实体覆盖程度的实体完整性评估,以及基于片段内依存语法边界的句法结构完整性评估;根据所述实体完整性评估结果和所述句法结构完整性评估结果,加权计算得到所述综合语义完整性得分;

24、若完整性判断结果显示片段语义不完整,则触发跨层关联处理方法在更高分辨率层中查找语义相似的父片段,结合降噪方法处理无关数据,确定剔除后的父片段,并利用所述父片段修正当前片段的边界,得到最终的语义片段边界;

25、根据最终的语义片段边界,生成结构化的语义划分结果,完成片段的完整性优化处理。

26、优选的,作为一种可实施方案;若完整性判断结果显示片段语义不完整,则触发跨层关联处理方法在更高分辨率层中查找语义相似的父片段,结合降噪方法处理无关数据,确定剔除后的父片段,并利用所述父片段修正当前片段的边界,得到最终的语义片段边界,具体包括:

27、将所述综合语义完整性得分与预设的第二阈值进行比较,若低于所述第二阈值,则判定该片段语义不完整,触发跨层关联处理方法;

28、在比当前片段所属分辨率层更高的分辨率层中,查找与当前片段的特征向量相似度最高的父片段;

29、利用所述父片段的语义聚焦范围对当前片段进行边界修正:若当前片段位于所述父片段的起始部分且语义不完整,则将当前片段的起始边界向起始方向扩展至所述父片段的起始位置;若当前片段位于所述父片段的结尾部分且语义不完整,则将当前片段的结束边界向结束方向扩展至所述父片段的结束位置。

30、优选的,作为一种可实施方案;所述对每个片段进行完整性评估,包括基于片段内核心实体覆盖程度的实体完整性评估,以及基于片段内依存语法边界的句法结构完整性评估;根据所述实体完整性评估结果和所述句法结构完整性评估结果,加权计算得到所述综合语义完整性得分,具体包括:

31、从片段中提取命名实体集合,并识别其中的核心实体,核心实体指与不良反应直接相关的预设医学术语;

32、根据片段的上下文和所属分辨率层,利用预先训练的机器学习模型预测该片段应当包含的期望核心实体数量;

33、计算基础实体完整性得分:

34、;

35、其中为防止除零的小常数;

36、计算句法结构完整性得分:

37、;

38、其中,为片段内词语之间的依存语法关系总数,其中为其中不跨片段边界的依存边数量;

39、;

40、其中,为片段内词语之间的依存语法关系总数,为其中不跨片段边界的依存边数量;

41、计算综合语义完整性得分:

42、;

43、其中为预设权重,满足。

44、优选的,作为一种可实施方案;所述将所述综合语义完整性得分与预设的第二阈值进行比较,若低于所述第二阈值,则判定该片段语义不完整,触发跨层关联处理方法;在比当前片段所属分辨率层更高的分辨率层中,查找与当前片段的特征向量相似度最高的父片段;利用所述父片段的语义聚焦范围对当前片段进行边界修正:若当前片段位于所述父片段的起始部分且语义不完整,则将当前片段的起始边界向起始方向扩展至所述父片段的起始位置;若当前片段位于所述父片段的结尾部分且语义不完整,则将当前片段的结束边界向结束方向扩展至所述父片段的结束位置,具体步骤包括;

45、设定第二阈值,取值范围为 0.5至0.7 ;

46、若,则判定片段语义不完整,触发跨层关联处理方法;在更高一级分辨率层中的特征向量余弦相似度最高的父片段;

47、利用父片段的语义聚焦范围和边界信息,对当前片段进行边界修正:若位于父片段的起始部分且语义不完整,则将的起始边界向左扩展至父片段的起始位置;若位于父片段的结尾部分且语义不完整,则将的结束边界向右扩展至父片段的结束位置;扩展后的新片段的聚焦范围更新为扩展后的词语索引区间;

48、对修正后的片段重新计算综合语义完整性得分,若仍低于预设的第二阈值,则重复按照预设次数修正,直至结束输出最终的语义片段边界。

49、优选的,作为一种可实施方案;所述在所述最终的语义片段边界内,计算每个候选实体的信息密度d,所述信息密度d基于该实体的tf-idf值及其与最近否定词的距离进行调整;根据所述信息密度d对候选实体进行排序,抽取排名靠前的预定数量的实体作为最终的实体提取结果,具体包括如下操作步骤:

50、在每个最终的语义片段边界内,利用预设的医学术语词典或轻量级命名实体识别模型,识别出所有候选实体;针对每个候选实体,提取以下用于后续信息密度计算的基础特征:该实体在当前片段中的词频与在整个文档集合中的逆文档频率,从而计算其tf-idf值;该实体在其所在片段中的绝对位置偏移量;该实体的字符或词语长度;以及该实体的类型标签,包括症状、检验值或药物名称等预设类别;

51、针对每个候选实体,扫描其所在片段的前后预设数量个词语,检测是否存在否定词或程度词;若检测到否定词,则计算该候选实体与该否定词之间的最短词语距离,并根据该距离动态确定一个否定影响因子,使得距离越近的否定词对该实体的权重抑制作用越强;若检测到程度词,则计算该候选实体与该程度词之间的最短词语距离,并根据该距离动态确定一个程度缩放因子,使得距离越近的程度词对该实体的权重放大或衰减作用越强;对于同时存在多个否定词或程度词的情况,分别计算各自的影响因子后取加权综合结果;

52、获取每个候选实体所在片段的语义聚焦范围及其所属的分辨率层;根据分辨率层的不同,赋予不同的层间加权因子,其中微观实体层赋予最高的权重以强化精细实体的抽取优先级,中观逻辑层赋予基准权重,宏观主题层赋予较低的权重以抑制粗粒度信息的干扰;同时,计算该候选实体的词语索引区间与其所在片段的语义聚焦范围之间的重叠程度,生成一个密度增强项,用于奖励完全落在聚焦范围内的实体;

53、最终,将候选实体的tf-idf值、否定影响因子、程度缩放因子、层间加权因子以及密度增强项进行综合运算,得到该实体的综合信息密度,并据此对所有候选实体进行排序和筛选,输出排名靠前的预定数量的实体作为最终抽取结果。

54、本发明实施例提供的技术方案可以包括以下有益效果:

55、本发明公开了一种基于上传随访信息的语义识别的患者不良反应识别方法,针对复杂文本中语义单元划分不均、片段完整性不足及特定偏僻场景下实体提取精度低的问题,提出了系统化的解决方案。本发明通过子分区边界划分技术结合粒度控制,初步切分文本并确保语义一致性,随后采用分区分辨率层级设置构建多层次框架,动态调整解析级别以聚焦语义范围,同时利用上下文依赖分析和边界平滑技术优化片段连接紧密度,减少语义断裂。对于不完整片段,本发明通过跨层关联和降噪处理精确定位边界,最终结合标注优先级和信息密度评估,实现针对偏僻场景的高效实体提取。其核心在于在于组内同一个分辨率层的语义关联以及多分辨率的跨层语义集合关联与边界优化结合,确保语义完整性与提取精度的双重提升,显著改善复杂文本处理效果。