一种基于前缀微调和强化学习的自学习电子医疗病历结构化方法及装置

本发明公开了一种基于前缀微调和强化学习的自学习电子医疗病历结构化方法及装置。首先，预处理电子医疗病历数据集，包括文本清洗和脱敏处理，提取关键诊断信息和临床数据，并组织成预定义的适合生成式模型的输出格式。接着，采用前缀提示微调方法训练模型，获得具有初步结构化能力的模型。然后，构建强化学习偏好数据集，针对模型输出格式问题进行强化学习，提高输出文本的格式准确性和内容标准性。之后，通过自我优化机制利用模型自身回溯提高训练数据集的规模和质量。最后，通过实体对齐方法，确保提取信息的准确性与标准化。本发明提供了一种创新的结构化处理技术，能够有效提高电子医疗病历的信息提取质量，满足医疗领域的特定需求。