数据结构化评估方法、装置、存储介质及电子设备与流程

本公开涉及计算机技术领域，具体涉及一种数据结构化评估方法、数据结构化评估装置、计算机可读存储介质及电子设备。

背景技术：

结构化技术是nlp(naturallanguageprocessing，自然语言处理)中的最重要的一项技术，对结构化结果进行评估是结构化中最费时费力的事情，涉及的流程非常多，而且为了获得良好的结构化效果，此流程还必须反复进行。

现有的对结构化结果进行评估的方法主要是采用线下模式，由开发人员把结构化结果通过excel表格导出给医学人员，医学人员进行评估后再返回给开发人员，如此反复多次，需要大量交互，无法自动化。一方面开发人员与医学人员反复的沟通交互，非常耗费时间；另一方面结构化可能需要医学人员多次进行评估，而且评估结果都只能用excel表格线下保存，且进行反复对比分析的时候，有可能后一次的修改结构化出来的结果效果更差，无法追踪上一次配置是怎么修改的。

由此可见，如何改变结构化结果评估费时费力的现状是目前亟待解决的问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现要素：

本公开的目的在于提供一种数据结构化评估方法、数据结构化评估装置、计算机可读存储介质及电子设备，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个技术问题。

根据本公开的一个方面，提供一种数据结构化评估方法，其特殊之处在于，包括：

获取对原始数据进行结构化处理后的结构化结果以及对所述原始数据进行标注后的标注结果；

对比所述结构化结果和所述标注结果得到差异结果；

根据所述差异结果计算所述结构化处理的准确率和召回率；

将所述结构化处理的结构化配置以及所述准确率和召回率进行关联并做版本化处理。

在本公开的一种示例性实施方式中，在对比所述结构化结果和所述标注结果得到差异结果之后，所述方法还包括：

生成包含所述结构化结果和所述标注结果的展示图表；

对所述差异结果和所述结构化结果中的其他结果进行差异化显示。

在本公开的一种示例性实施方式中，在根据所述差异结果计算所述结构化处理的准确率和召回率之后，所述方法还包括：

判断所述准确率和召回率是否满足预设条件；

若判断所述准确率和召回率不满足预设条件，则根据所述差异结果调整所述结构化处理的结构化配置；

使用调整后的结构化配置对所述原始数据进行结构化处理。

在本公开的一种示例性实施方式中，所述对比所述结构化结果和所述标注结果得到差异结果包括：

对比原始数据的整体结构化结果和整体标注结果，得到整体差异结果；

对比原始数据中各个字段集合的集合结构化结果和集合标注结果，得到集合差异结果；

对比原始数据中各个字段的字段结构化结果和字段标注结果，得到字段差异结果。

在本公开的一种示例性实施方式中，所述根据所述差异结果计算所述结构化处理的准确率和召回率包括：

根据所述整体差异结果计算整体准确率和整体召回率；

根据所述集合差异结果计算集合准确率和集合召回率；

根据所述字段差异结果计算字段准确率和字段召回率。

在本公开的一种示例性实施方式中，所述准确率包括对内准确率和对外准确率；

其中，所述对内准确率是不包含空值的准确率，所述对外准确率是包含空值的准确率。

在本公开的一种示例性实施方式中，所述召回率包括对内召回率和对外召回率；

其中，所述对内召回率是不包含空值的召回率，所述对外召回率是包含空值的召回率。

根据本公开的一个方面，提供一种数据结构化评估装置，其特殊之处在于，包括：

获取模块，被配置为获取对原始数据进行结构化处理后的结构化结果以及对所述原始数据进行标注后的标注结果；

对比模块，被配置为对比所述结构化结果和所述标注结果得到差异结果；

计算模块，被配置为根据所述差异结果计算所述结构化处理的准确率和召回率；

版本模块，被配置为将所述结构化处理的结构化配置以及所述准确率和召回率进行关联并做版本化处理。

根据本公开的一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特殊之处在于，所述计算机程序被处理器执行时实现以上任一所述的数据结构化评估方法。

根据本公开的一个方面，提供一种电子设备，其特殊之处在于，包括处理器和存储器；其中，存储器用于存储所述处理器的可执行指令，所述处理器被配置为经由执行所述可执行指令来执行以上任一所述的数据结构化评估方法。

在本公开实施例所提供的数据结构化评估方法中，通过对比结构化结果和标注结果可以计算得到结构化处理的准确率和召回率，在将结构化处理的准确率和召回率与对应的结构化配置进行关联并做版本化处理之后可以对同一批次的原始数据按照结构化配置生成不同版本的结构化结果，而且各个版本之间的结构化配置以及准确率和召回率均可以进行直观对比，各个版本之间的结构化配置均可以相互追溯，避免了结构化与评估之间的反复，提高了对结构化结果进行评估的效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出本公开一种示例性实施方式中数据结构化评估方法的步骤流程图。

图2示意性示出本公开另一种示例性实施方式中数据结构化评估方法的部分步骤流程图。

图3示意性示出本公开另一种示例性实施方式中数据结构化评估方法的部分步骤流程图。

图4示意性示出本公开另一种示例性实施方式中数据结构化评估方法的部分步骤流程图。

图5示意性示出本公开示例性实施方式中数据结构化评估方法在一种应用场景下的流程框图。

图6示意性示出本公开示例性实施方式中数据结构化评估装置的组成框图。

图7示意性示出本公开示例性实施方式中一种电子设备的模块示意图。

图8示意性示出本公开示例性实施方式中一种程序产品的示意图。

具体实施方式

现在将参考附图更全面地描述示例实施例。然而，示例实施例能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施例使得本公开将更加全面和完整，并将示例实施例的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

本公开的示例性实施方式中首先提供一种数据结构化评估方法，该方法采用线上处理的模式，可以为原始数据的结构化处理结果提供评估依据，所获得的评估结果可以用于衡量结构化处理的效果。本示例性实施方式中涉及的数据结构化可以是对医疗数据的结构化处理，另外也可以是对其他任意数据的结构化处理，本示例性实施方式对此不做特殊限定。

参考图1所示，本示例性实施方式提供的数据结构化评估方法主要可以包括以下步骤：

步骤s110.获取对原始数据进行结构化处理后的结构化结果以及对原始数据进行标注后的标注结果。

原始数据的来源可能有很多，以医疗数据为例，医疗数据的采集来源可能是多个医院，针对不同医院来源的医疗数据可以同时进行结构化处理，另外也可以对各个医院来源的医疗数据单独进行结构化处理。对于同时进行结构化处理的不同医院来源的医疗数据可以采用相同的结构化配置，另外也可以采用不同的结构化配置。如果同时进行结构化处理的相关医疗数据采用的是相同的结构化配置，那么便可以将这些医疗数据视作同一批次。同一批次的结构化处理可以是针对整个结构化项目进行的结构化处理，另外也可以是针对结构化项目内的部分字段集合进行的结构化处理。为了对获取到的对原始数据进行结构化处理后的结构化结果做出评估，本步骤还将同时获取对原始数据进行标注的标注结果。其中，标注结果可以是针对全部原始数据进行整体标注的结果，也可以是针对从原始数据中随机筛选出的样本进行部分标注的结果。

步骤s120.对比结构化结果和标注结果得到差异结果。

由步骤s110获取到对原始数据进行结构化处理后的结构化结果以及对原始数据进行标注后的标注结果之后，本步骤将对获取到的结构化结构和标注结果进行对比分析以得出差异结果。其中，差异结果可以包括两种情况，一种情况是针对某项原始数据，结构化处理对其检出并转化为结构化数据，但是转化的结果与标注结果不一致；另一种情况是针对某项原始数据，在结构化处理中未被检出，但是存在对应的标注结果。这两种情况都是结构化异常的结果。

步骤s130.根据差异结果计算结构化处理的准确率和召回率。

根据步骤s120中对比得到的差异结果，本步骤可以采用计算准确率和召回率的方式对结构化处理的效果做出评估。其中，准确率一般用于表征预测为正的样本中由多少是真正的正样本，而召回率一般用于表征样本中的正例有多少被预测正确了。在本示例性实施方式中，准确率和召回率分别针对两种不同的差异结果做出评估，其中准确率可以对应第一种差异结果，即针对某项原始数据，结构化处理对其检出并转化为结构化数据，但是转化的结果与标注结果不一致；召回率可以对应第二种差异结果，即针对某项原始数据，在结构化处理中未被检出，但是存在对应的标注结果。计算得到的准确率和召回率数值越高，那么一般可以认为结构化结果与标注结果的差异越小，这通常也意味着在当前结构化配置下的结构化处理效果越好。作为一种优选实施方式，本示例性实施方式中的准确率可以包括对内准确率和对外准确率；其中，对内准确率是不包含空值的准确率，对外准确率是包含空值的准确率。本示例性实施方式中的召回率可以包括对内召回率和对外召回率；其中，对内召回率是不包含空值的召回率，对外召回率是包含空值的召回率。

步骤s140.将结构化处理的结构化配置以及准确率和召回率进行关联并做版本化处理。

本步骤将把步骤s130中计算得到的准确率和召回率与当前进行结构化处理的结构化配置进行关联，并且可以将关联结果做版本化处理。如此一来，针对采用不同结构化配置进行的结构化处理便可以得到不同版本的关联结果，各个版本之间的结构化配置以及结构化结果的准确率和召回率均可以进行对比和追溯。

在本示例性实施方式提供的数据结构化评估方法中，通过对比结构化结果和标注结果可以计算得到结构化处理的准确率和召回率，在将结构化处理的准确率和召回率与对应的结构化配置进行关联并做版本化处理之后可以对同一批次的原始数据按照结构化配置生成不同版本的结构化结果，而且各个版本之间的结构化配置以及准确率和召回率均可以进行直观对比，各个版本之间的结构化配置均可以相互追溯，避免了结构化与评估之间的反复，提高了对结构化结果进行评估的效率。

在以上示例性实施方式的基础之上，本公开的另一实施例提供一种数据结构化评估方法，其中在步骤s120.对比结构化结果和标注结果得到差异结果之后，该方法还可以包括如图2所示的以下步骤：

步骤s230.生成包含结构化结果和标注结果的展示图表。

对于结构化结果和标注结果，本步骤可以生成相应的展示图表，对二者的对比情况进行直观地展示，方便用户直接观察二者的对比结果。其中，展示图表可以包括针对整个结构化项目的全量展示，也可以包括针对结构化项目中某一些字段集合的部分展示，另外还可以包括针对结构化项目中某一指定字段的单独展示，从而有针对性地进行对比分析。

步骤s240.对差异结果以及结构化结果中的其他结果进行差异化显示。

由步骤s230生成相应展示图表后，本步骤将对展示图表中内容的展示状态做出调整，主要可以将差异结果以及结构化结果中的其他结果进行差异化显示，其中结构化结果中的其他结果指的是结构化结果与标注结果一致而不存在的差异的部分。举例而言，本步骤可以将结构化结果与标注结果存在差异的字段用醒目的字体或者颜色进行显示，而对其他字段则使用普通的字体或者颜色进行显示。另外，还可以将结构化结果与标注结果存在差异的字段在相应的图表中进行置顶显示，从而可以很直观地观察到哪些原始数据的字段在结构化处理中出现异常。

本示例性实施方式提供的数据结构化评估方法可以将数据结构化评估过程中的对比结果进行图表展示，从而可以直观地定位到差异结果，方便用户分析出现差异结果的原因，进而对结构化处理的配置做出适当调整。

在以上示例性实施方式的基础之上，本公开的另一实施例提供一种数据结构化评估方法，其中在步骤s130.根据差异结果计算结构化处理的准确率和召回率之后该方法还可以包括如图3所示的以下步骤：

步骤s340.判断准确率和召回率是否满足预设条件。

计算得到当前结构化配置下结构化结果的准确率和召回率之后，本步骤首先判断准确率和召回率是否满足预设条件，该预设条件一般可以表现为预设阈值的形式。预设阈值通常可以根据用户需求而直接指定，另外也可以是根据原始数据的数量以及标注结果的数据进行计算和调整而得到的。举例而言，用户可以直接指定准确率为90％，召回率为90％。如果当前批次的结构化处理对于准确性要求较高，而对于召回率的要求相对较低，那么可以指定准确率为90％，召回率为80％。

步骤s350.若判断准确率和召回率不满足预设条件，则根据差异结果调整结构化处理的结构化配置。

根据步骤s340的判断结果，如果判断准确率和召回率满足预设条件，那么可以认为当前批次进行的结构化处理是符合要求的，当前批次所采用的结构化配置版本便可以作为优选版本推广应用至其他批次原始数据的结构化处理中。而如果判断准确率和召回率未能满足预设条件，那么可以认为当前批次进行的结构化处理不符合要求，因而可以根据差异结果对当前批次进行结构化处理的结构化配置做出调整。例如可以将差异结果对应的标注结果补充至结构化词典列表中，进行词典回收。另外也可以采用其他任意的调整方式，本示例性实施方式对此不做特殊限定。

步骤s360.使用调整后的结构化配置对原始数据进行结构化处理。

在步骤s350中进行结构化配置的调整之后，本步骤将使用调整后的结构化配置对原始数据再次进行结构化处理，如此一来便可以获得调整前和调整后的两个结构化配置版本，通过对比两个版本的准确率和召回率可以获得更加客观的评估结果。另外，在进行多次结构化配置的调整之后，可以得到若干个可供对比分析的结构化配置版本，从中发现各个版本的区别特点，从而获得更好的调整策略。

在以上示例性实施方式的基础之上，本公开的另一实施例提供一种数据结构化评估方法，其中，步骤s120.对比结构化结果和标注结果得到差异结果可以进一步包括如图4所示的如下步骤：

步骤s421.对比原始数据的整体结构化结果和整体标注结果，得到整体差异结果。

本步骤对原始数据的整体结构化结果和整体标注结果做出全面对比，以得到整体差异结果。与此相应地，可以根据整体差异结果计算得到整体准确率和整体召回率。

步骤s422.对比原始数据中各个字段集合的集合结构化结果和集合标注结果，得到集合差异结果。

本步骤对原始数据中各个字段集合的集合结构化结果和集合标注结果做出部分对比，以得到集合差异结果。与此相应地，可以根据集合差异结果计算得到集合准确率和集合召回率。

步骤s423.对比原始数据中各个字段的字段结构化结果和字段标注结果，得到字段差异结果。

本步骤对原始数据中各个字段的字段结构化结果和字段标注结果进行单独对比，以得到字段差异结果。与此相应地，可以根据字段差异结果计算得到字段准确率和字段召回率。

在本示例性实施方式提供的数据结构化评估方法中，通过控制对比范围，可以获得多个维度的对比结果，提高了数据结构化评估的准确性和灵活性，为结构化配置的调整提供更多依据。

图5所示是本公开各示例性实施方式中数据结构化评估方法的一种应用场景流程框图。由图中内容可见，本公开示例性实施方式提供的数据结构化评估方法自身形成闭环，评估过程也是对结构化配置进行不断优化的过程。更为关键的是，每一次循环都将对结构化结果、结构化配置以及准确率和召回率生成结构化版本，不仅提高了结构化处理和评估的效率，而且提高了结构化评估的可追溯性。图中各部分的具体内容已在以上示例性实施方式的数据结构化评估方法中做出说明，因此此处不再赘述。

需要说明的是，虽然以上示例性实施方式以特定顺序描述了本公开中方法的各个步骤，但是，这并非要求或者暗示必须按照该特定顺序来执行这些步骤，或者必须执行全部的步骤才能实现期望的结果。附加地或者备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，以及/或者将一个步骤分解为多个步骤执行等。

在本公开的示例性实施方式中，还提供一种数据结构化评估装置，参考图6所示，数据结构化评估装置60主要可以包括：获取模块61、对比模块62、计算模块63和版本模块64。其中，获取模块61被配置为获取对原始数据进行结构化处理后的结构化结果以及对所述原始数据进行标注后的标注结果；对比模块62被配置为对比所述结构化结果和所述标注结果得到差异结果；计算模块63被配置为根据所述差异结果计算所述结构化处理的准确率和召回率；版本模块64被配置为将所述结构化处理的结构化配置以及所述准确率和召回率进行关联并做版本化处理。

上述数据结构化评估装置的具体细节已经在对应的数据结构化评估方法中进行了详细的描述，因此此处不再赘述。

应当注意，尽管在上文详细描述中提及了用于动作执行的设备的若干模块或者单元，但是这种划分并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之，上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。

在本公开的示例性实施方式中，还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时可实现本公开的上述的数据结构化评估方法。在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码；该程序产品可以存储在一个非易失性存储介质(可以是cd-rom、u盘或者移动硬盘等)中或网络上；当所述程序产品在一台计算设备(可以是个人计算机、服务器、终端装置或者网络设备等)上运行时，所述程序代码用于使所述计算设备执行本公开中上述各示例性实施例中的方法步骤。

在本公开的示例性实施方式中，还提供一种电子设备，所述电子设备包括至少一个处理器以及至少一个用于存储所述处理器的可执行指令的存储器；其中，所述处理器被配置为经由执行所述可执行指令来执行本公开中上述各示例性实施例中的方法步骤。

下面结合图7对本示例性实施方式中的电子设备700进行描述。电子设备700仅仅为一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

参见图7所示，电子设备700以通用计算设备的形式表现。电子设备700的组件可以包括但不限于：至少一个处理单元710、至少一个存储单元720、连接不同系统组件(包括处理单元710和存储单元720)的总线730、显示单元740。

其中，存储单元720存储有程序代码，所述程序代码可以被处理单元710执行，使得处理单元710执行本公开中上述各示例性实施例中的方法步骤。

存储单元720可以包括易失性存储单元形式的可读介质，例如随机存取存储单元721(ram)和/或高速缓存存储单元722，还可以进一步包括只读存储单元723(rom)。

存储单元720还可以包括具有一组(至少一个)程序模块725的程序/实用工具724，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其他程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线730可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用各种总线结构中的任意总线结构的局域总线。

电子设备700也可以与一个或多个外部设备800(例如键盘、指向设备、蓝牙设备等)通信，还可以与一个或者多个使得用户可以与该电子设备700交互的设备通信，和/或与使得该电子设备700能与一个或多个其他计算设备进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入/输出(i/o)接口750进行。并且，电子设备700还可以通过网络适配器760与一个或者多个网络(例如局域网(lan)、广域网(wan)和/或公共网络，例如因特网)通信。如图7所示，网络适配器760可以通过总线730与电子设备700的其他模块通信。应当明白，尽管图中未示出，可以结合电子设备700使用其他硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。

参见图8所示，根据本公开的实施方式的用于实现上述方法的程序产品80，其可以采用便携式紧凑磁盘只读存储器(cd-rom)并包括程序代码，并可以在计算设备(例如个人计算机、服务器、终端装置或者网络设备等)上运行。然而，本公开的程序产品不限于此。在本示例性实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

所述程序产品可以采用一个或者多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。

可读存储介质例如可以为但不限于电、磁、光、电磁、红外线或半导体的系统、装置或器件、或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件或者上述的任意合适的组合。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任意可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、rf等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言，诸如java、c++等，还包括常规的过程式程序设计语言，诸如c语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户计算设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络(包括局域网(lan)或广域网(wan)等)连接到用户计算设备；或者，可以连接到外部计算设备，例如利用因特网服务提供商来通过因特网连接。

本领域技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

上述所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中，如有可能，各实施例中所讨论的特征是可互换的。在上面的描述中，提供许多具体细节从而给出对本公开的实施方式的充分理解。然而，本领域技术人员将意识到，可以实践本公开的技术方案而没有特定细节中的一个或更多，或者可以采用其它的方法、组件、材料等。在其它情况下，不详细示出或描述公知结构、材料或者操作以避免模糊本公开的各方面。