本文通过解读ICD-10合并编码定义,将合并编码的规则显性化,挖掘整理疾病合并实例,并应用基于混合策略的文本字面相似度计算法实现诊断文本的自动合并编码。ICD-10是世界卫生组织国际疾病分类家族制定的一种国际通用的疾病分类标准,其按照疾病的解剖部位、致病因素、临床表现等多个轴心将疾病分类并编码。合并编码是ICD-10分类过程的一个环节,是指将两个及两个以上同时发生且具有相关性的疾病情况不再单独分类,而是分类于一个合并类目。目前在实际疾病编码工作中,判断是否需要合并编码尚需依靠专业人员知识经验,缺少完备可查的相关实例数据库且计算机自动合并编码应用开发稀少。本文通过学习ICD-10概念、专家访谈、观察诊断实例等方法挖掘合并编码之间关系的潜在规则并将其显性化形成数据集;应用自然语言处理技术完成医疗文本中文分词、生成基于语义相似的同义词库,以及采用字符串精确匹配、基于主干成分占比匹配、基于关键词加权匹配和基于混合策略的字符串匹配等四种基于字面相似的文本相似度计算等工作,解决自动判断多组诊断文本是否需要合并分类编码的问题;最终,在前期工作基础上开发设计了计算机自动合并编码功能模块并集成于计算机辅助ICD-10编码系统中,该系统将实际应用于医疗机构的编码工作中。合并编码作为ICD-10编码过程中不可或缺的一环,明确其存在的规则、生成合并编码实例数据库、实现计算机自动合并编码等工作在ICD-10编码的临床工作、教学以及ICD-10编码的推广等方面将产生较高的应用价值。