临床病历是在医疗活动中产生的文本信息,是对患者疾病的发生、发展、检查、诊断、治疗等医疗活动的记录,通常由医务人员撰写。临床病历中蕴含着丰富的信息,对这些信息的挖掘为各类临床研究提供了重要的资料。表型谱是病历中提及的患者的表现特征。对临床病历表型谱信息的抽取通常使用命名实体识别方法,但由于表型概念边界模糊、表型谱实体提及不规范的原因,表型谱抽取的结果难以直接应用于各类下游任务。表型概念谱是概念化的表型谱,对临床病历的表型概念谱的抽取将从病历文本中直接识别对应于预定义的概念集的表型谱。本文进行了中医临床病历文本表型概念谱的抽取方法研究。首先研发了对病历文本表型谱进行高效标注的“人机协同表型谱标注系统”,之后提出了一种可用于标注系统样本推荐的基于主动学习的命名实体识别方法,最后提出了两种表型概念谱的自动抽取方法。具体研究工作由以下三部分构成:(1)人机协同表型谱标注系统研发了用于对临床病历文本进行快速结构化处理的“人机协同表型谱标注系统”。标注系统采用人工标注与自动化标注协同的方法,优先推荐标注价值更高的样本进行人工标注并对易于识别的实体进行自动标注,从而降低冗余的人工标注工作量。本文提出了人机协同表型谱标注系统的设计与部分研发工作。(2)基于不确定度的主动学习命名实体识别方法提出了可用于人机协同表型谱标注系统的基于主动学习的命名实体识别方法,并提出了一种改进的基于不确定度的查询策略。本文通过实验测试了实体识别性能以及样本推荐策略的性能,并对几种已有的查询策略进行性能对比实验。实验表明,使用基于不确定度的主动学习命名实体识别模型只需要大概35%的标注数据量,即可达到最佳性能的99%。而随机策略在使用同样数量的标注数据时,只能达到88%。(3)表型概念谱抽取方法针对临床病历的表型概念谱抽取提出了两种方法。1)基于实体识别+概念映射的表型概念谱抽取方法。使用实体识别+概念映射的流水线方法。首先使用基于BERT+CRF的命名实体识别模型对病历文本进行表型谱抽取,然后基于人工标注的规则,将表型谱映射到预先定义好的概念集中。对表型谱抽取模型性能进行了验证,在CCKS2019中文电子病历医疗实体识别标准数据集上的Mi F值达到0.8309。2)基于文本分类的表型概念谱抽取方法。将表型概念谱抽取视作多标签文本分类问题,构建了融合文档密集语义表示的Doc2Vec向量与稀疏特征表示的TFIDF向量的复合文档级特征D2V-TFIDF。基于病历样本的D2V-TFIDF特征进行基于SVM的One Vs Rest多标签分类。实验表明,基于D2V-TFIDF特征的多标签文本分类方法在中文临床病历文本上的Mi F值达到0.63,高于单独使用D2V特征(0.18)与TFIDF特征(0.61)的分类性能。