nlp 中文文本纠错_基于自然语言处理的病历文本自动纠错技术

51 阅读 0 评论 34 点赞

我是靠谱客的博主和谐画笔，最近开发中收集的这篇文章主要介绍nlp 中文文本纠错_基于自然语言处理的病历文本自动纠错技术，觉得挺不错的，现在分享给大家，希望可以做个参考。

一. 背景和意义

电子病历文本是医生对病人病情的文字性描述，一般是医生通过手工输入电子病历系统的。难免存在错字、漏字、错标点等问题。据初步统计，电子病历中的错误率大约为每百万字符15-50处。这些错误对后期的解读和数据分析埋下隐患。

在nlp领域中文本纠错由于没有特别成熟的方法，而且用到的知识点比较繁琐，真正的应用到工业界还要考虑实际成本和效率。常见纠错内容如下所示：

- 谐音错别字：行走瓶稳----行走平稳？- 形近错别字：氨基已酸 ----氨基己酸- 多字：无为畏寒 ----无畏寒- 字词顺序错误：硫酸氯氢吡格雷 ---- 硫酸氢氯吡格雷- 缺字：右扁肿大 ----右扁桃体肿大- 顺序：予阿静滴奇 ---- 予阿奇霉素静滴

‍

二. 文本纠错定义

1.定义

文本纠错是一个重要又不重要的领域，不纠错，通常的NLP下游任务也能进行，只是会影响效果、体验，例如word2vec之类大样本训练任务；有时候用户体验直接影响收入：电商搜索。输入法，校对等。

纠错相对更偏系统工程，经常是其它nlp任务的上游，对响应速度要求较高。与分词一起，具体谁在前不一定，有分词纠错同时进行的。英文NER可以在纠错之前，中文NER一般在纠错之后。中文较少因为纠错让实体词变为非实体词

2.文本纠错分类

三. 文本纠错解决方案

1.概要：

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。