摘要：隨著信息化建設(shè)的快速發(fā)展,數(shù)據(jù)產(chǎn)生了爆炸式的增長,醫(yī)院每天也同樣產(chǎn)生大量的醫(yī)療記錄與數(shù)據(jù)。其中大部分內(nèi)容是非結(jié)構(gòu)化數(shù)據(jù),具有真實性、主觀性和不規(guī)范性,不利于解讀和處理。由于醫(yī)療數(shù)據(jù)是以非結(jié)構(gòu)化的文本形式存儲的,因此無法直接通過計算機直接處理和分析,不僅效率低下,分析質(zhì)量也無法保證。目前的信息抽取研究中使用的方法的可擴展性都較差,具有一些局限性,故自動化程度不高。文中通過自然語言處理中的規(guī)則描述語言方法,對數(shù)據(jù)中非結(jié)構(gòu)化的醫(yī)學命名實體進行識別,并通過語義分析進行標簽提取,使非結(jié)構(gòu)化的數(shù)據(jù)結(jié)構(gòu)化,讓數(shù)據(jù)中的描述更為準確、統(tǒng)一。優(yōu)化了目前信息抽取方法中存在的可擴展性差的缺點,能夠根據(jù)情況適應不同的情景。