随着信息科学和计算机技术的快速发展,信息化进程也得到迅速推进,各种各样的相关信息系统应用在主流机构和管理企业中,特别是医疗信息化系统中的电子病历的使用。这些电子病历中存在大量的概念信息,尤其是电子病历的二次利用得到了广大专家学者的关注。充分利用电子病历中与患者相关的并且已经标注的概念信息,将会推动医疗概念实体识别技术的发展,为此学术界很早就开始进行相关研究,尤其针对医疗电子病历信息的二次开发利用。鉴于中文电子病历中概念识别的现状共开展了以下研究:(1)制定标注规范和构建医疗概念标注数据。根据我国现行的相关规范,结合中文医疗概念信息本身存在的模糊性和复杂性的特点,最终制定出中文电子病历中概念标注规范。为了提高标注文档的效率,构建了一个中文电子病历信息标注系统。该系统根据标注规范将电子病历中的部位信息和症状信息分别进行标注,采取系统抽样等方法并对已经标注的文件信息进行质量检测,确保标注数据的准确性和可靠性。(2)基于单分类器的医疗概念信息抽取研究。目前在医疗概念信息抽取使用的方法上,通常采用基于机器学习的方法完成任务,这些方法中以使用监督方法为主。在医疗概念信息抽取研究中,分别使用了隐马尔科夫模型、最大熵马尔科夫模型、条件随机场模型三种单分类器,完成相应的概念抽取任务。通过实验得知,条件随机场模型在这三种单分类器中最优,但是三种单分类实验中未考虑采用多分类器进行信息抽取任务,以及使用多个子集进行迭代地处理。(3)基于多分类器的协同学习概念抽取技术研究。由于单分类器算法的局限性,进而提出一种基于多种分类器的协同学习提取信息算法,新的算法不但采用了多种分类器模型,而且将数据集进行切分得到多个子集,这些子集在不同的分类器下进行迭代训练。与三种单分类器概念抽取实验对比可知,协同学习概念抽取算法,不仅能够高效、精准地抽取概念信息,而且能够识别新的概念信息。因此,可知基于多分类器的协同学习概念抽取技术更具有鲁棒性和应用性。