电子病历的自动化评分任务是在人工智能和医疗健康交叉领域里一个重要问题,它是实现利用人工智能处理医疗文本需要迈出的第一步。电子病历被看作是医疗健康领域各种研究和应用任务的丰富资源,例如进一步了解患者健康情况、自动确定患者类别和自动对患者病情诊断并制定治疗计划。然而,在写出优秀的电子病例之前,会花掉大量的时间训练记录电子病历的人员。该过程中最重要的部分是对记录者写入的电子病历进行评分。我们建立了一种基于卷积神经网络的电子病历评分系统,并且将评分过程看作一个从评分标准到电子病历信息映射后的文本模式分类任务。这个任务框架包括两个阶段。第一阶段是评分标准与电子病历之间的关键医学概念信息进行匹配。在关键医学概念匹配中,句子之间语义信息的关联程度尤为重要。因此,我们采用了用带权重的词向量求平均值的办法去得到句子的向量,再通过句子语义的相似性来对含有关联信息的句子进行匹配。第二阶段是文本模式分类,它可以预测评分准则文本中记录的关键概念是否正确或缺失。这一个阶段,本文采用了卷积神经网络来对匹配好了的两个句子进行文本模式的分类。结果表明,我们的神经网络模型评分模型比其他传统的机器学习评分方法具有更好的性能。我们的系统不仅在提高文本模式分类准确度方面取得了很大进步,也在最终评分表现中好于基础的模型。有了评分系统,我们可以利用优质的电子病历做更多的预测性和探索性任务,同时评分系统本身也为拓宽了文本分类问题的适用场景。