关键词：电子病历;文本推荐;双向长短时记忆网络
摘 要：目的:针对当前电子病历录入中的便捷性与规范性的双重需求,尝试利用神经网络算法来挖掘病历文本的语言习惯和承接关系,以便嵌入病历录入系统,提高医生输入的效率和质量。方法:设计了基于大数据的电子病历录入推荐工具,对骨创伤科病历文本进行清洗构建训练集后做特征编码,采用基于深度学习的BiLSTM网络算法,学习专科专病的语义信息。结果:分别基于BERT特征、独热编码、词向量三种文本表示,针对过往病历数据建立BiLSTM模型,预测下一句文本,结果表明使用BERT预训练模型特征的BiLSTM模型F1-score达到75.23%,且具有实际应用的价值。在专科专病文本推荐的场景下,BERT特征优于独热编码和Word2Vec词向量。
内 容：原文可通过湖北省科技信息共享服务平台（http://www.hbstl.org.cn)获取