真实世界数据是医学研究的重要数据来源之一,临床电子病历数据是真实世界医疗数据的重要组成部分。由于临床电子病历中的实体种类繁多,实体表达形式多样,使得在使用临床电子病历进行研究的时候第一步就是对临床电子病历中的实体进行标准化和归一化,然而临床电子病历数量庞大,人工规范费时费力,所以需要一种自动化的电子病历数据规范化的方法。实体链接可以解决实体规范化的问题,但是医疗领域的实体链接问题研究相对较少。本文就临床电子病历中提及的疾病实体进行概念链接方法研究,结合实体链接的两个步骤,分别提出了两类方法,主要研究工作包括以下两个方面:(1)首先,为了开展实体链接方法研究,提出基于网络爬虫的疾病知识库内容扩充方法。本文通过对百科医典等医学Web资源进行获取和结构化,用来补充疾病知识库中的疾病的定义、病因、检查等相关信息,形成了具有五万余条实体的疾病术语分类知识库。其次,在此基础上,针对候选实体生成步骤,提出基于文本分类的疾病候选实体生成方法,该算法依据医学数据的临床特点,利用疾病的科室特征产生候选实体。对于单一疾病实体的候选实体生成问题,采取单实体候选实体生成方法,对疾病实体按字进行向量化,后使用深度学习分类模型,实现单一疾病实体的科室分类。对于有关联文本的疾病实体的候选实体生成问题,采取关联性候选实体生成方法对实体的名称和实体的关联文本分别进行向量化,构造了一个融合两个向量特征的深度学习分类模型,实现关联性疾病实体的科室分类。在构建的数据集上的实验表明,以上算法具有一定适用性,并对上述两个方法的实验结构进行分析和比较。(2)针对候选实体排名链接步骤,提出基于相似度计算的疾病候选实体链接排名方法。该方法利用六种相似度计算算法:编辑距离、Jaro-Winkler相似度、余弦相似度、欧氏距离、Jaccard系数、Dice系数,计算出两个字符之间的相似度特征,使用逻辑回归二分类模型输出每个候选实体属于可链接类的概率,最后按照概率排序,筛选出可供链接的知识库条目。为了验证上述实体链接模型的有效性,选取知识库中的疾病别名数据进行测试,并对最终结构进行评价和分析。