文本映射-医学名称

Question

我们有一个问题，我们有一个标准化的医学名称数据库。另一方面，也有一些医学名称可能有拼写错误、不同结构或下划线、缺失词等，还有一些可用的元数据，如制造商名称、单位大小等。

人类可以很容易地相互映射这两个数据库。我们使用了一些字符串比较，并创建了一些概率评分，在某些情况下，它达到了目的。

但很多时候，我们遇到了很多微妙的问题，条件也在不断堆积。有没有任何机器学习类型的算法可以帮助？我对所有的主要算法都有基本的理解，但是我对这个问题却一无所知。简单的例子是映射Epilex 300 is标签和Epilex 300片剂。如果需要的话，我可以举更多的例子。

Answer 1

我认为没有必要在这个问题上使用ML。我们可以通过一个简单的查找表/映射表来解决这个问题。问题是，每当遇到新的类别时，我们都必须更新查找表。

将ML应用于此问题。您应该拥有一组预处理的、经过处理的响应的数据，如Epilex 300 (预处理)，Epilex 300(已加工)。如果有这些数据，则可以应用决策树(不需要剪枝)模型来预测给定未处理文本的已处理文本。请记住，您将得到预测，只有在培训类别中的类别。您可以做的是，如果出现了一个新的类别，您可以手动添加该响应来训练数据。再次训练你的数据。如果下次遇到该类别，它将正确预测。这样你就可以提高你的模型预测能力。过了一段时间，你就能正确地预测每一个反应。示例代码的屏幕短片附在这里。

要有实际的代码，请考虑以下链接。