CCKS2017病例标注

CCK2017病例标注，CCKS2017 Task2 数据格式说明： 每个病例分为4个域，分别存储在4个文件夹 一般项目 病史特征 诊疗过程 出院情况 每一个目录下存储两类文件

# coding:utf-8

import fio
import codecs
import sys
import os
import jieba.posseg as pseg

datadir = “../data2/training dataset v4“
area = [“病史特点“ “出院情况“ “一般项目“ “诊疗经过“]

class CRF_unit:
    def __init__（self）:
        self.features = []

    def test_into_aline（self filename）:
        self.features = []
        sentences = fio.ReadFileUTF8（filename）;
        for sentence in sentences:
            for token in sentence:
                self.features.append（token）

    def get_posTag（self sentence）:
        words = pseg.cut（sentence）
        return words

    def get_token（self filename）:
        self.features = []
        sentences = fio.ReadFileUTF8（filename）;
        for sentence in sentences:
            words = self.get_posTag（sentence）
            for w in words:
                for token in w.word:
                    feature = [token w.flag “N“]
                    self.features.append（feature）
                
    def read_type（self itype）:
        itype = itype.encode（‘utf-8‘）
        if itype == “症状和体征“:
            return “SIGNS“
        if itype == “检查和检验“:
            return “CHECK“
        if itype == “疾病和诊断“:
            return “DISEASE“
        if itype == “治疗“:
            return “TREATMENT“
        if itype == “身体部位“:
            return “BODY“


    def get_type（self filename）:
        sentences = fio.ReadFileUTF8（filename）;
        for sentence in sentences:
            words = sentence.split（）
            print words[-3] + words[-2]
            x = int（words[-3]）
            y = int（words[-2]）

            #if words[3].encode（‘utf-8‘） == “身体部位“:
            itype = self.read_type（words[-1]）
            self.features[x][2] = “B-“ + itype
            for j in range（x+1y+1）:
                self.features[j][2] = “I-“ + itype



if __name__ == ‘__main__‘:
    extractor = CRF_unit（）
    x = 0;
    “““
    for i in range（1241）:
        filename = datadir + ‘/‘ + area[x] + ‘/‘ + area[x] + ‘-‘+ str（i） +‘.txtoriginal.txt‘
        extractor.get_token（filename）

        filename = datadir + ‘/‘ + area[x] + ‘/‘ + area[x] + ‘-‘+ str（i） +‘.txt‘
        extractor.get_type（filename）

        filename = datadir + ‘/result/‘ + area[x] + “/“ + ‘1-240_train.txt‘
        fio.AddTrain（extractor.features filename）
    “““
    
    for i in range（241 301）:
        filename = datadir + ‘/‘ + area[x] + ‘/‘ + area[x] + ‘-‘+ str（i） +‘.txtoriginal.txt‘
        extractor.test_into_aline（filename）;

        filename = datadir + ‘/result/‘ + area[x] + ‘.testt-‘ + str（i） + ‘.txt‘
        fio.AddTest（extractor.features filename）
    

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-11-22 09:15  CCKS2017\
     目录           0  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\
     目录           0  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\
     文件          23  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\HEAD
     目录           0  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\branches\
     文件         268  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\config
     文件          73  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\description
     目录           0  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\hooks\
     文件         478  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\hooks\applypatch-msg.sample
     文件         896  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\hooks\commit-msg.sample
     文件         189  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\hooks\post-update.sample
     文件         424  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\hooks\pre-applypatch.sample
     文件        1642  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\hooks\pre-commit.sample
     文件        1348  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\hooks\pre-push.sample
     文件        4898  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\hooks\pre-rebase.sample
     文件        1239  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\hooks\prepare-commit-msg.sample
     文件        3610  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\hooks\update.sample
     文件     1960281  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\index
     目录           0  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\info\
     文件         240  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\info\exclude
     目录           0  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\logs\
     文件         187  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\logs\HEAD
     目录           0  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\logs\refs\
     目录           0  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\logs\refs\heads\
     文件         187  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\logs\refs\heads\master
     目录           0  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\logs\refs\remotes\
     目录           0  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\logs\refs\remotes\origin\
     文件         187  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\logs\refs\remotes\origin\HEAD
     目录           0  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\objects\
     目录           0  2017-08-09 10:14  CCKS2017\CCKS2017_dataset\.git\objects\info\
     目录           0  2017-08-09 10:18  CCKS2017\CCKS2017_dataset\.git\objects\pack\
............此处省略13886个文件信息