具体实施方式

下文中，将参考附图详细描述本公开的示例性实施方式，以使本领域技术人员可容易地实现它们。此外，为了清楚起见，在附图中省略了与描述示例性实施方式无关的部分。

在本公开中，应理解，诸如“包括”或“具有”等的术语旨在指示本说明书中所公开的特征、数字、步骤、行为、部件、部分或其组合的存在，并且不欲排除一个或多个其他特征、数字、步骤、行为、部件、部分或其组合存在或被添加的可能性。

另外还需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

下面通过具体实施例详细介绍本公开实施例的细节。

图1示出根据本公开一实施方式的数据处理方法的流程图。如图1所示，该数据处理方法包括以下步骤：

在步骤S101中，获取待处理对象；

在步骤S102中，从包括标准对象的对象集中检索得到与所述待处理对象相匹配的候选对象；

在步骤S103中，利用识别模型从所述候选对象确定所述待处理对象对应的目标对象。

本实施例中，待处理对象可以是待标准化的对象，例如可以是相关领域中的术语名称、包括字、词、句等的文本、表格、图像等。预设标准可以是相关领域中制定的标准，而标准对象可以是相关领域中公知的已标准化的对象。以医学领域中的临床术语为例，待处理对象可以是临床上病历文书中医生填写的临床名称，而标准对象可以是大家公认的临床知识库中临床名称的标准化名称，例如可以是《ICD9-2017协和临床版》中的手术名称。

通常情况下，相关领域可以制定业界的多个标准对象，形成标准对象集。针对待处理对象，可以利用该待处理对象与已制定的标准对象集进行相关性匹配的方式得到待处理对象对应的目标对象，上述匹配的过程可以是利用待处理对象的表示特征(比如对于术语名称类的对象可以是词级别的特征)与多个标准对象的表示特征进行相关性匹配，例如可以通过计算待处理对象与多个标准对象之间的相似度来确定相匹配的目标对象。但是，待处理对象的表示特征与对应的目标对象的表示特征相差较大的情况下，利用上述方式无法准确识别出待处理对象对应的目标对象。因此，本公开实施例提出的数据处理方法中，先利用检索手段从包括多个标准对象的对象集中确定与待处理对象相匹配的多个候选对象，该多个候选对象可以是对象集中与待处理对象相关性较高的预设数量个标准对象；之后再利用识别模型从多个候选对象中确定待处理对象对应的目标对象，例如从多个候选对象中确定与待处理对象最匹配的目标对象。

上述识别模型可以预先训练得到，训练数据可以包括样本对象和样本对象对应的标准对象，该标准对象可以包括在对象集中。训练数据中的样本对象对应的标准对象可以通过人工标注得到。利用样本对象和样本对象对应的标准对象之间的标注关系可以训练得到能够从多个候选对象中识别出待处理对象对应的目标对象的识别模型。

本公开实施例首先从对象集中检索得到与待处理对象较匹配(也可以理解为相关性较高)的多个候选对象，例如可以通过计算待处理对象与标准对象之间的相似度，将相似度较高的多个标准对象确定为候选对象；之后，再利用识别模型从多个候选对象中识别出待处理对象对应的目标对象。本公开实施例通过先检索再利用识别模型对候选对象重排序的方法，提高了针对待处理对象识别标准对象的准确率。

在本实施例的一个可选实现方式中，步骤S102，即从包括标准对象的对象集中检索得到与所述待处理对象相匹配的候选对象的步骤，进一步包括以下步骤：

获取第一对象集；所述第一对象集中包括多个第一标准对象；

利用所述待处理对象检索所述第一对象集，获得与所述待处理对象相匹配的第一候选对象。

该可选的实现方式中，第一对象集可以是相关领域制定的标准对象集，通过检索手段从该第一标准对象集检索得到与待处理对象相关性较高的第一标准对象，并将其确定为第一候选对象。在一些实施例中，可以通过计算待处理对象与第一标准对象集中第一标准对象之间的相似度来确定两者的相关性。在一些实施例，可以按照相似度对第一标准对象集中的第一标准对象进行排序，并将排序在前的多个第一标准对象确定为第一候选对象；在另一些实施例中，可以将相似度高于预设值的多个第一标准对象确定为第一候选对象。

在本实施例的一个可选实现方式中，步骤S102，即从包括标准对象的对象集中检索得到与所述待处理对象相匹配的候选对象的步骤，进一步包括以下步骤：

获取第二对象集；所述第二对象集中包括原始对象以及所述原始对象对应的第二标准对象；

利用所述待处理对象检索所述第二对象集，获得与所述待处理对象相匹配的原始对象，以及将所述原始对象对应的第二标准对象确定为第二候选对象。

该可选的实现方式中，原始对象可以是为标准化的对象，第二标准对象可以是对原始对象标准化后的对象。第二对象集中的原始对象以及原始对象对应的第二标准对象可以是用于训练识别模型的部分或全部训练数据中的样本对象以及样本对象对应的标准对象。当然可以理解的是，第二对象集中的原始对象以及原始对象对应的第二标准对象也可以不是训练数据中的样本对象以及样本对象对应的标准对象。原始对象以及原始对象对应的第二标准对象可以是通过各种方式收集到的历史标注数据，该历史标注数据中按照相关领域制定的标准标注了原始对象与第二标准对象之间的标准化对应关系。

在获取到第二对象集之后，可以通过检索第二对象集确定与待处理对象相匹配的原始对象，之后再将相匹配的原始对象对应的第二标准对象确定为第二候选对象。根据上文中的描述可知，与待处理对象相匹配的原始对象可以是与待处理对象相关性较高的一个或多个原始对象，两者的相关性可以通过相似度确定，具体可以参见上述实施例中的描述，在此不再赘述。本实施例中，由于待处理对象和原始对象均为未标准化的对象，因此在表示方式上可能更为接近，而原始对象对应的第二标准对象又是已知的标准化对象，因此将待处理对象与原始对象进行匹配，进而再将相匹配的原始对象对应的第二标准对象作为待处理对象的第二候选对象，相较于直接利用待处理对象匹配第二对象集中的第二标准对象准确度更高。

在一些实施例中，第一对象集可以包括相关领域中制定的部分或者全部的标准化对象；第二对象集中的第二标准对象可以是第一对象集中对应于原始对象的标准化对象。以医学领域中的临床术语为例，第一对象集可以包括《ICD9-2017协和临床版》中规定的部分或者全部标准手术名称。

需要说明的是，在一些实施例，可以结合第一对象集和第二对象集获得待处理对象的候选对象。也即可以利用待处理对象与第一对象集中的第一标准对象进行匹配获得第一候选对象，还可以利用待处理对象与第二对象集中的原始对象进行匹配，进而再利用相匹配的原始对象获得第二候选对象，第一候选对象和第二候选对象均可作为待处理对象的候选对象，输入至识别模型进行重排序。通过这种方式，可以获得覆盖率较广的候选对象，既克服了由于待处理对象与标准对象的表示特征相差较大的情况下单一检索第一对象集无法得到候选对象的问题，又克服了由于第二对象集中由于数据不全而造成无法得到候选对象的问题。

在本实施例的一个可选实现方式中，步骤S103，即利用识别模型从所述候选对象确定所述待处理对象对应的目标对象的步骤，进一步包括以下步骤：

利用所述识别模型中的特征表示模型对所述待处理对象以及当前的所述候选对象进行处理，获得所述待处理对象以及当前的所述候选对象的相关性特征；

利用所述相关性特征确定所述目标对象。

该可选的实现方式中，识别模型中可以包括一特征表示模型，用于对待处理对象和候选对象进行处理后，得到待处理对象和候选对象对应的相关性特征。该相关性特征可以用于表征待处理对象和候选对象之间的相关性。利用该相关性特征可以确定待处理对象和候选对象之间的相关性。例如可以将相关性最高的候选对象确定为待处理对象对应的目标对象。

在一些实施例中，针对术语名称类的对象、文本类对象等，可以采用语言模型提取待处理对象和候选对象之间的语义相关性特征，进而通过语义相关性特征可以确定待处理对象和候选对象之间的相关性。语言模型可以采用BERT、ESIM(Enhanced SequentialInference Model)、BiMPM(Bilateral Multi-perspective Matching)、MwAN(MultiwayAttention Networks)等已有模型。

在本实施例的一个可选实现方式中，利用所述相关性特征确定所述目标对象的步骤，进一步包括以下步骤：

利用所述识别模型中的多层感知机对所述相关性特征进行降维处理；

利用所述识别模型中的归一化模型将降维后的所述相关性特征进行处理，得到所述候选对象与所述待处理对象的之间相关性；

根据所述相关性确定所述目标对象。

该可选的实现方式中，特征表示模型通常输出的相关性特征可能是几百维的向量特征，为了能够使用归一化模型对相关性特征进行归一化，可以先利用多层感知机对相关性特征进行降维，例如可以将相关性特征映射成2维向量特征，之后再输入至归一化模型比如softmax函数进行归一化，以便得到该待处理对象与候选对象之间的相关性得分，该得分越高，说明待处理对象与候选对象之间的相关性越高，该候选对象越有可能是待处理对象对应的目标对象。例如，可以将相关性得分最高的候选对象确定为待处理对象的目标对象。

在本实施例的一个可选实现方式中，利用所述待处理对象检索所述第一对象集，获得与所述待处理对象相匹配的第一候选对象的步骤，进一步包括以下步骤：

计算所述待处理对象与所述第一对象集中所述第一标准对象之间的相似度；

根据所述相似度确定所述第一候选对象。

该可选的实现方式中，在检索过程中，可以通过计算相似度来确定待处理对象与第一标准对象是否相匹配。计算得到待处理对象与各个第一标准对象之间的相似度之后，可以将相似度最高的预设数量个第一标准对象确定为第一候选对象，或者将相似度高于预设值的第一标准对象确定第一候选对象。

以术语名称类的对象为例，可以利用TF-IDF特征计算待处理对象与标准对象集中各个标准对象之间的相似度，例如相似度计算公式可以如下表示：

其中，q为待处理对象，d为当前的标准对象，v(q)为待处理对象q的TF-IDF特征向量，v(d)为标准对象d的TF-IDF特征向量。

当然，可以理解的是，上述相似度计算公式仅是举例说明，还可以通过其他方式计算得到。

另外，在待处理对象为其他类型的对象，例如文本、图像、表格等时，可以利用相关类型的已有相关性计算方式来确定待处理对象与标准对象之间相关性，在此不做具体限制。

在本实施例的一个可选实现方式中，利用所述待处理对象检索所述第二对象集，获得与所述待处理对象相匹配的原始对象的步骤，进一步包括以下步骤：

计算所述待处理对象与所述原始对象之间的相似度。

根据所述相似度确定与所述待处理对象相匹配的所述原始对象。

该可选的实现方式中，可以通过计算相似度来确定待处理对象与原始对象是否相匹配。计算得到待处理对象与各个原始对象之间的相似度之后，可以将相似度最高的预设数量个原始对象对应的第二标准对象确定为第一候选对象，或者将相似度高于预设值的原始对象对应的第二标准对象确定第一候选对象。

待处理对象和原始对象的相似度计算方式可以参见上述实施例中有关待处理对象和第一标准对象的相似度计算方式，在此不再赘述。

图2示出根据本公开一实施方式在临床术语标准化场景下的应用示意图。如图2所示，编码文件中可以包括相关部门针对临床医学制定的全部标准词(对应于本公开实施例中的第一标准对象)以及为标准词赋予的编码ID，标注文件可以包括收集的手术原词(对应于本公开实施例中的原始对象)以及该手术原词对应的标准词(对应于本公开实施例中的第二标准对象)。针对编码文件和标注文件可以预先建立检索索引。从客户端接收用户输入的待标准化的手术原词(即病例文书中医生填写的手术名称)后，分别从编码文件和标注文件检索得到第一候选标准词和第二候选标准词(对应于本公开实施例中的候选对象)；针对第一候选标准词和第二候选标准词中的每一个，将候选标准词和手术原词构成的词序列S输入至识别模型进行打分，并基于识别模型给出的分数输出待标准化的手术原词对应的目标标准词，也即将分数最后的候选答案确定为目标标准词。利用本公开实施例得到的手术原词的标准化不仅可以提供给医院，还可以作为健康档案或体检档案的原词标准化，以及为患者提供标准化的引导列表等，引导患者病状描述标准化，等等。

下面以Lucene检索工具以及Transformer框架为例详细说明候选答案的生成过程以及对候选答案进行打分的过程。

Lucene是一套用于全文检索和搜索的工具，其默认排序方式基于TF-IDF和向量空间模型，可以方便而快速的找到与被检索短语也即手术原词在文字上相似的目标结果。检索过程如下：

1)给定手术原词q和索引中的待检索词d(编码文件中的标准词或标注文件中的手术原词)；针对手术原词q和待检索词d计算得到TF-IDF特征，将其分别表示成v(q)和v(d)；

2)通过向量空间模型计算q和d的相似度得分：

3)按照相似度得分分别从编码文件和标注文件中得到多个候选答案。

通过Lucene检索得到候选标准词之后，基于Transformer框架的识别模型对候选标准词进行打分。

图3示出根据本公开一实施方式的识别模型的结构示意图。如图3所示，该Transformer框架包括BERT编码器以及由多层感知机和Softmax函数构成的解码器。在打分过程中，按照BERT模型的规范，将待处理的手术原词以及当前的候选答案按字进行分词并排列成“[CLS]手术原词[SEP]标准词[SEP]”的形式，输入BERT编码器中。也即给定手术原词以及候选答案依照BERT规范，将其拼接成序列将序列S输入至BERT编码器，并取CL处的输出向量V作为S的向量特征表示，V＝BERT(S)；将V输入至多层感知机，由多层感知机将其转换为2维向量P，P＝W^TV；通过Softmax操作将P归一化，并取第1维作为表示0-1之间的概率Prob。需要说明的是，上述识别模型的训练过程中，可以利用最小化交叉熵损失函数(基于Prob)进行模型参数的优化训练。

如图3所示，手术原词为“椎体成形术”，标准词为“经皮椎骨成形术”，因此输入至BERT编码器的是“[CLS]经皮椎骨成形术[SEP]椎体成形术[SEP]”，然后将BERT编码器的结果，即”[CLS]”位置处的向量特征表示输入至多层感知机中，得到2维向量。该2维向量经过Softmax函数后被归一化到0到1之间的分数。

下述为本公开装置实施例，可以用于执行本公开方法实施例。

根据本公开一实施方式的数据处理装置，该装置可以通过软件、硬件或者两者的结合实现成为电子设备的部分或者全部。该数据处理装置包括：

获取模块，被配置为获取待处理对象；

检索模块，被配置为从包括标准对象的对象集中检索得到与所述待处理对象相匹配的候选对象；

确定模块，被配置为利用识别模型从所述候选对象确定所述待处理对象对应的目标对象。

在本实施例的一个可选实现方式中，所述检索模块，包括：

第一获取子模块，被配置为获取第一对象集；所述第一对象集中包括第一标准对象；

第一检索子模块，被配置为利用所述待处理对象检索所述第一对象集，获得与所述待处理对象相匹配的第一候选对象。

在本实施例的一个可选实现方式中，所述检索模块，包括：

第二获取子模块，被配置为获取第二对象集；所述第二对象集中包括原始对象以及所述原始对象对应的第二标准对象；

第二检索子模块，被配置为利用所述待处理对象检索所述第二对象集，获得与所述待处理对象相匹配的原始对象，以及将所述原始对象对应的第二标准对象确定为第二候选对象。

在本实施例的一个可选实现方式中，所述确定模块，包括：

识别子模块，被配置为利用所述识别模型中的特征表示模型对所述待处理对象以及当前的所述候选对象进行处理，获得所述待处理对象以及当前的所述候选对象的相关性特征；

第一确定子模块，被配置为利用所述相关性特征确定所述目标对象。

在本实施例的一个可选实现方式中，所述第一确定子模块，包括：

降维子模块，被配置为利用所述识别模型中的多层感知机对所述相关性特征进行降维处理；

处理子模块，被配置为利用所述识别模型中的归一化模型将降维后的所述相关性特征进行处理，得到所述候选对象与所述待处理对象的之间相关性；

第二确定子模块，被配置为根据所述相关性确定所述目标对象。

在本实施例的一个可选实现方式中，所述第一检索子模块，包括：

第一计算子模块，被配置为计算所述待处理对象与所述第一对象集中所述第一标准对象之间的相似度；

第三确定子模块，被配置为根据所述相似度确定所述第一候选对象。

在本实施例的一个可选实现方式中，所述第二检索子模块，包括：

第二计算子模块，被配置为计算所述待处理对象与所述原始对象之间的相似度；

第四确定子模块，被配置为根据所述相似度确定与所述待处理对象相匹配的所述原始对象。

本实施例中的数据处理装置与上述数据处理方法对应一致，具体细节可以参见上述对数据处理方法的描述，在此不再赘述。

图4是适于用来实现根据本公开实施方式的数据处理方法的电子设备的结构示意图。

如图4所示，电子设备400包括处理单元401，其可实现为CPU、GPU、FPGA、NPU等处理单元。处理单元401可以根据存储在只读存储器(ROM)402中的程序或者从存储部分408加载到随机访问存储器(RAM)403中的程序而执行本公开上述任一方法的实施方式中的各种处理。在RAM403中，还存储有电子设备400操作所需的各种程序和数据。处理单元401、ROM402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

以下部件连接至I/O接口405：包括键盘、鼠标等的输入部分406；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，根据本公开的实施方式，上文参考本公开实施方式中的任一方法可以被实现为计算机软件程序。例如，本公开的实施方式包括一种计算机程序产品，其包括有形地包含在及其可读介质上的计算机程序，所述计算机程序包含用于执行本公开实施方式中任一方法的程序代码。在这样的实施方式中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。

附图中的流程图和框图，图示了按照本公开各种实施方式的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，路程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施方式中所涉及到的单元或模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元或模块也可以设置在处理器中，这些单元或模块的名称在某种情况下并不构成对该单元或模块本身的限定。

作为另一方面，本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施方式中所述装置中所包含的计算机可读存储介质；也可以是单独存在，未装配入设备中的计算机可读存储介质。计算机可读存储介质存储有一个或者一个以上程序，所述程序被一个或者一个以上的处理器用来执行描述于本公开的方法。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。