(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221017151 1.4 (22)申请日 2022.02.24 (71)申请人 医渡云 （北京） 技 术有限公司 地址 100089 北京市海淀区花园北路3 5号9 号楼8层801 (72)发明人 柯昆　康波　 (74)专利代理 机构 北京乐知新创知识产权代理 事务所(普通 合伙) 11734 专利代理师 周伟 (51)Int.Cl. G06F 40/295(2020.01) G06F 40/242(2020.01) G06F 16/36(2019.01) G06N 20/00(2019.01) G16H 10/60(2018.01)G16H 80/00(2018.01) (54)发明名称 一种基于AC自动机的实体识别方法、 装置及 电子设备 (57)摘要 本公开提供了基于AC自动机的实体识别方 法， 具体实现方案为： 基于维度结构、 解剖位置、 影像学发现、 核心词和特征词构建字典树； 基于 所述字典树识别医疗数据中的解剖位置、 核心 词、 特征词、 影像学发现和维度结构中至少之一； 其中， 所述维度结构包括： 维度词、 维度属性、 定 量词和累及状态中至少之一； 所述核心词包括与 疾病相关的影像学发现和/或症状词； 所述特征 词包括对所述核心词的修饰词； 所述维度词和维 度属性包括与体征信息相关的影像学发现； 所述 解剖位置包括体征信息； 所述定量词包括定量名 称、 定量值、 定量单位和至少两个体征信息之间 的相对关系； 所述累及状态包括疾病对体征的影 响状态， 如此， 可 以提升医疗数据中实体识别的 准确性。 权利要求书2页 说明书10页 附图3页 CN 114580414 A 2022.06.03 CN 114580414 A 1.一种基于AC自动机的实体识别方法， 其特 征在于， 所述方法包括： 基于维度结构、 解剖位置、 影 像学发现、 核心词和特 征词构建字典树； 基于所述字典树识别医疗数据中的解剖位置、 核心词、 特征词、 影像学发现和维度 结构 中至少之一； 其中， 所述维度结构包括： 维度词、 维度属性、 定量词和累及状态中至少之一； 所述核心 词包括与疾病相关的影像学发现和/或症状词； 所述特征词包括对所述核心词的修饰词； 所 述维度词和维度属 性包括与体征信息相关的影像学发现； 所述解剖位置包括体征信息； 所 述定量词包括定量名称、 定量值、 定量单位和至少两个体征信息之间的相对关系； 所述累及 状态包括疾病对体征的影响状态。 2.根据权利要求1所述的方法， 其特征在于， 所述基于维度结构、 解剖位置、 影像学发 现、 核心词和特 征词构建字典树， 包括： 以所述解剖位置作为所述字典树的父节点， 所述维度结构、 所述影像学发现作为所述 字典树的子节点； 以所述解剖位置作为所述字典树的父节点， 所述核心词和所述特征词作为所述字典树 的子节点； 基于所述字典树的父节点和所述字典树的子节点之间的关系， 构建所述字典树。 3.根据权利要求2所述的方法， 其特征在于， 所述基于维度结构、 解剖位置、 影像学发 现、 核心词和特 征词构建字典树， 包括： 以所述解剖位置作为所述字典树的父节点， 所述维度结构作为所述解剖位置的子节 点， 所述影像学发现作为所述 维度结构的子节点； 或者， 以所述解剖位置作为所述字典树的 父节点， 所述影像学发现为所述解剖位置的子节点， 所述维度结构作为所述影像学发现的 子节点； 以所述解剖位置作为所述字典树的父节点， 所述核心词作为所述解剖位置的子节点， 所述特征词作为所述核心词的子节点； 基于所述父节点和子节点之间的关系， 构建所述字典树。 4.根据权利要求1所述的方法， 其特征在于， 所述基于维度结构、 解剖位置、 影像学发 现、 核心词和特 征词构建字典树， 包括： 以所述核心词作为所述字典树的父节点， 所述维度 结构和所述特征词作为所述字典树 的子节点， 构建所述字典树。 5.根据权利要求4所述的方法， 其特征在于， 所述基于维度结构、 解剖位置、 影像学发 现、 核心词和特 征词构建字典树， 包括： 以所述核心词作为父节点， 所述维度结构作为所述核心词的子节点， 所述特征词和所 述核心词作为所述维度结构的子节点， 所述解剖位置作为所述维度结构的子节点， 构建所 述字典树。 6.根据权利要求1所述的方法， 其特征在于， 所述基于维度结构、 解剖位置、 影像学发 现、 核心词和特 征词构建字典树， 包括： 以所述影 像学发现作为父节点， 所述特 征词作为所述影 像学发现的子节点； 或者， 以所述影 像学发现和所述特 征词互相作为对方的父节点； 基于所述父节点和子节点之间的关系， 构建所述字典树。权　利　要　求　书 1/2 页 2 CN 114580414 A 27.根据权利要求2所述的方法， 其特征在于， 所述基于所述字典树识别医疗数据中的解 剖位置、 核心词、 特 征词、 影像学发现和维度结构中至少之一， 包括： 基于所述字典树中的解剖位置， 识别所述医疗数据中的解剖位置； 基于所述字典树中的解剖位置的子节点， 识别所述医疗数据中的维度 结构和影像学发 现； 基于所述字典树中的解剖位置的子节点， 识别所述医疗数据中的核心词和特 征词。 8.根据权利要求4所述的方法， 其特征在于， 所述基于所述字典树识别医疗数据中的解 剖位置、 核心词、 特 征词、 影像学发现和维度结构中至少之一， 包括： 基于所述字典树中的核心词， 识别所述医疗数据中的核心词； 基于所述字典树中的核心词的子节点， 识别所述医疗数据中的维度结构和特 征词； 和/或， 基于所述字典树中的维度结构的子节点， 识别所述医疗数据中的解剖位置 。 9.根据权利要求6所述的方法， 其特征在于， 所述基于所述字典树识别医疗数据中的解 剖位置、 核心词、 特 征词、 影像学发现和维度结构中至少之一， 包括： 基于所述字典树中的影 像学发现， 识别所述医疗数据中的影 像学发现； 基于所述字典树中所述影 像学发现的子节点， 识别所述医疗数据中的特 征词； 或者， 基于所述字典树中的特 征词发现， 识别所述医疗数据中的特 征词； 基于所述字典树中所述特 征词的子节点， 识别所述医疗数据中的影 像学发现。 10.根据权利要求1所述的方法， 其特征在于， 所述基于所述字典树识别医疗数据中的 核心词、 特 征词、 影像学发现和维度结构之后， 所述方法还 包括： 将识别到的所述核心词、 所述特征词、 所述影像学发现和所述维度 结构， 按照第 一模板 中所述核心词、 所述特征词、 所述影像学发现和所述 维度结构的位置进 行合并， 生成所述医 疗数据对应的实体。 11.一种基于AC自动机的实体识别装置， 其特 征在于， 所述装置包括： 构建单元， 用于基于维度结构、 解剖位置、 影 像学发现、 核心词和特 征词构建字典树； 识别单元， 用于基于所述字典树识别医疗数据中的解剖位置、 核心词、 特征词、 影像学 发现和维度结构中至少之一； 其中， 所述维度结构包括： 维度词、 维度属性、 定量词和累及状态中至少之一； 所述核心 词包括与疾病相关的影像学发现和/或症状词； 所述特征词包括对所述核心词的修饰词； 所 述维度词和维度属 性包括与体征信息相关的影像学发现； 所述解剖位置包括体征信息； 所 述定量词包括定量名称、 定量值、 定量单位和至少两个体征信息之间的相对关系； 所述累及 状态包括疾病对体征的影响状态。 12.一种电子设备， 包括： 至少一个处 理器； 以及 与所述至少一个处 理器通信连接的存 储器； 其中， 所述存储器存储有可被所述至少一个处理器执行的指令， 所述指令被所述至少一个处 理器执行， 以使所述至少一个处 理器能够执 行权利要求1 ‑10中任一项所述的方法。 13.一种存储有计算机指令的非瞬时计算机可读存储介质， 其中， 所述计算机指令用于 使所述计算机执 行根据权利要求1 ‑10中任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 114580414 A 3