随着我国社会经济发展与城市化进程的加快,人们的生活方式发生巨大变化,心血管疾病的患病率也随之逐年攀升。为减轻社会医疗负担,近年来医疗领域的信息化与智能化飞速发展,积累了大量临床电子病历数据。本文旨在从非结构化或半结构化的心血管电子病历文本中,解析节点信息,抽取医学实体与三元组知识,并对临床诊断原词进行标准化,实现心血管疾病的医学知识积累,为医学知识图谱的构建打下基础,为病历查阅与医学数据统计分析提供更多便利,从而提高医疗系统的运行质量。本文研究工作主要包括以下几方面:1)研究基于词汇适配及多头标注的医学实体识别。针对复杂多样的医学名词及医学知识匮乏的通用预训练语言模型,在医学专业语料上训练医学领域词向量及预训练语言模型。本文采用词汇适配增强方法,融合医学词汇特征,减少在实体边界上的识别错误。针对实体嵌套问题及原始标注框架的缺陷,采用多头标注框架,实现嵌套实体的识别与预测解码的并行计算。针对医学标注样本有限的场景,从数据增强与参数共享两个角度进行改进,提高模型的泛化能力。2)研究基于实体类别标识符的医学关系抽取。本文采用流水线型关系抽取范式保证结构化流程的灵活性与可解耦性。为缓解流水线型范式的误差传递与交互缺失,在模型的输入中融合实体类别信息。针对预测阶段的重复编码问题,提出近似模型,大幅提高计算效率。3)研究基于多路召回及检索排序的临床诊断标准化。针对大规模的诊断标准词库,本文设计多路召回,保证召回率并减少语义匹配的计算量。为解决标准词数目不定问题,设计了个数预测模型。针对诊断原词表述的多样性,采用特征匹配语义检索与交互匹配重排序的排序流程,从多路召回的标准词库子集中筛选出匹配度最高的诊断标准词。基于上述研究,本文设计实验证明了所提方法的有效性,并构建了心血管病历结构化的自动流程。