zonghui0228 / Chinese-Medical-Text-Classification

中文医学短文本分类实验

随着医院信息化的发展，医学临床数据呈现出指数级的增长和积累，其中大多数为非结构化的自由文本数据。基于自然语言处理技术（NLP）将非结构化的医疗文本转化为结构化的信息，挖掘知识，并开发相关工具应用于临床上，在智慧医疗英语具有巨大的价值和潜力。

一般来说，医学自然语言处理包括命名实体识别、实体标准化、关系抽取、文本分类、决策支持系统构建等。此实验内容为医学短文本分类。

1. 实验数据

数据来源于第五届**健康信息处理会议（CHIP2019）评测三。为**临床试验注册网站公开的临床试验受试者筛选标准文本。数据特点未自由文本格式，短文本，非结构化，中文，医学相关。

我们筛选了其中的10000条数据，其中训练数据8000条，测试数据2000条。

类别包括15种，分别为： 成瘾行为（addictive behavior）、年龄（age）、过敏耐受（allergy intolerance）、 依存性（compliance with protocol）、知情同意（consent）、诊断（diagnostic）、疾病（disease）、参与其它试验（enrollment in other studies）、实验室检查（laboratory examinations）、预期寿命（life expectancy）、器官组织状态（organ or tissue status）、药物（pharmaceutical substance or drug）、风险评估（risk assessment）、吸烟状况（smoking status）、治疗或手术（therapy or surgery）。

2. 实验流程

详细流程见文件 Chinese_Medical_Text_Classification.pptx

3. 实验环境

• 软件工具
  • Anaconda3
  • Python3
  • Jupyter Notebook
  • Pyramid
  • Docker
• Python3 依赖包
  • pandas
  • numpy
  • scikit-learn
  • jieba
  • wordcloud
  • matplotlib
  • seaborn

# python3 packages install
pip install -r requirements.txt

3. 实验方法

• 逻辑回归, logistic regression
• 支持向量机, support vector machine
• K近邻算法, k nearest neighbors
• 朴素贝叶斯, naive bayes
• 随机森林, ranodm forest
• 神经网络, Neural network

4. Docker安装和网页展示

1.下载镜像：

docker pull zonghui0228/cn_med_text_class:latest

2. 运行镜像：

• 选择1：直接运行镜像

docker run -it -d -p 6543:6543 zonghui0228/cn_med_text_class

• 选择2：训练好自己的模型后，加载到镜像里，运行镜像

# 建立文件夹model
mkdir model
cd model
# 将模型文件都移动到此文件夹，然后执行：
docker run -it -d -p 6543:6543 zonghui0228/cn_med_text_class
docker cp ./ CONTAINER_ID:/home/zonghui/mynginx/myproj/myproj/views/model/mymodel

3. 打开浏览器，输入：

http://ip:6543/index