本申請提供一種數據處理方法、裝置、設備和存儲介質，該方法包括：獲取待處理的原始中醫數據；基于的表達數據庫，對所述原始中醫數據進行糾錯處理；對糾錯后的中醫數據進行知識抽取處理，得到中醫知識數據；對所述中醫知識數據進行標準化處理，輸出標準化后的中醫術語數據。本申請通過對原始中醫數據進行糾錯、關系知識抽取處理，然后對中醫知識數據進行標準化處理，實現中醫數據的自動結構化。

技術領域

本申請涉及數據處理技術領域，具體而言，涉及一種數據處理方法、裝置、設備和存儲介質。

背景技術

中醫數據是記錄患者進行診療過程以及反映中醫診療思想的電子文檔，這些數據對于中醫臨床和科研都有巨大的價值，這種文檔有一定的結構形式，但這些電子文檔往往都是記錄者以自然語言的形式進行記錄的，而且里面還包含了一些無效信息，要應用這些寶貴的數據到中醫臨床和科研中，必須要將其標準化。

研究人員在中醫藥名詞術語規范化做了大量研究，主要通過人工方式建設中醫藥同義詞的方式進行術語規范化，這樣做能解決部分術語規范化問題，但是很難做到全面，而且耗費的人力、財力也較大。

因此，針對目前解決方案中存在的上述缺陷，實有必要進行研究，以提供一種新方案，解決現有方案中存在的缺陷，實現對中醫文本數據進行自動標準化。

發明內容

本申請實施例的目的在于提供一種數據處理方法、裝置、設備和存儲介質，通過對原始中醫數據進行糾錯、關系知識抽取處理，然后對中醫知識數據進行標準化處理，實現中醫數據的自動結構化。

本申請實施例第一方面提供了一種數據處理方法，包括：獲取待處理的原始中醫數據；基于的表達數據庫，對所述原始中醫數據進行糾錯處理；對糾錯后的中醫數據進行知識抽取處理，得到中醫知識數據；對所述中醫知識數據進行標準化處理，輸出標準化后的中醫術語數據。

于一實施例中，所述基于預設的表達數據庫，對所述原始中醫數據進行糾錯處理，包括：獲取所述原始中醫數據中的錯誤表達數據；從所述表達數據庫中，選取出與所述錯誤表達數據之間的編輯距離最小的正確表達數據；在所述原始中醫數據中的將所述錯誤表達數據替換為所述正確表達數據。

于一實施例中，所述對糾錯后的中醫數據進行知識抽取處理，得到中醫知識數據，包括：將所述糾錯后的中醫數據輸入預設抽取模型，輸出所述中醫知識數據，所述中醫知識數據包括實體信息、關系信息和屬性信息中的一種或多種。

于一實施例中，建立所述預設抽取模型的步驟，包括：基于對所述原始中醫數據的目標抽取特征，獲取標注語料，所述目標抽取特征包括：癥狀信息和/或疾病信息；以所述標注語料作為訓練樣本對預設的機器學習模型進行訓練，得到所述預設抽取模型。

于一實施例中，所述對所述中醫知識數據進行標準化處理，輸出標準化后的中醫術語數據，包括：判斷所述中醫知識數據是否為標準詞庫中的標準詞；若所述中醫知識數據不是所述標準詞庫中的標準詞，則計算所述中醫知識數據與所述標準詞庫中每個標準詞之間的相似度；從所述標準詞庫中選取出與所述中醫知識數據之間的相似度最大的目標標準詞；輸出所述目標標準詞為標準化后的中醫術語數據。

于一實施例中，所述對所述中醫知識數據進行標準化處理，輸出標準化后的中醫術語數據，還包括：若所述中醫知識數據是所述標準詞庫中的標準詞，輸出所述中醫知識數據為標準化后的所述中醫術語數據。

本申請實施例第二方面提供了一種數據處理裝置，包括：獲取模塊，用于獲取待處理的原始中醫數據；糾錯模塊，用于基于的表達數據庫，對所述原始中醫數據進行糾錯處理；抽取模塊，用于對糾錯后的中醫數據進行知識抽取處理，得到中醫知識數據；處理模塊，用于對所述中醫知識數據進行標準化處理，輸出標準化后的中醫術語數據。