本技术涉及一种病历文本对应目标标识的获取系统,所述系统包括样本文本列表和样本规则集、处理器和存储有计算机程序的存储器,其中,当计算机程序被处理器执行时,实现以下步骤:根据初始电子病历文本,获取初始电子病历文本对应的预设文本列表,获取第一候选规则集和第一指令信息集,将第一指令信息集输入至规则引擎中,获取第一目标标识集,获取第二候选规则集和第二指令信息集,将第二指令信息集输入至候选LLM模型中,获取第二目标标识集,从而获取初始电子病历文本对应的目标标识集,本发明将规则与LLM模型进行结合,提高了获取到目标标识的效率,根据输出结果调整不同类型指令信息对应的权重,使得获取到的目标标识的准确性较高。
背景技术
随着医疗业务量的不断增长以及人工智能技术的不断发展,病历电子化已成为趋势,如何高效且准确地获取电子病历文本中的存在的问题成为热门研究方向,随着大语言模型在自然语言处理中的广泛应用,如何有效利用大语言模型且将大预言模型与其它方法相结合成为解决电子病历文本中的问题的重要方法。
现有技术中,获取电子病历文本的目标标识的方法为:获取电子病历文本,将电子病历文本处理成短文本,利用LLM模型获取各个短文本中的关键词,基于获取到的关键词确定电子病历文本对应的标识。
综上,获取目标病历文本的方法存在的问题:局限于LLM模型,使得获取到目标标识的效率较低,未对不同输出结果的权重进行调整,使得获取到的初始电子病历文本对应的目标标识的准确度较低。
实现思路