语言学特征刻画（特征库）

句法特征

句法特征是识别 SYN 类电子病历空缺句的核心语言学维度，其量化分析通过构建依存句法结构的形式化指标，实现对语法不完整性的客观描述。该类特征主要包括依存树不完备指标、谓词-论元覆盖率及从属连词未闭合三类核心参数，共同构成 SYN 类空缺句的句法诊断体系。

依存树不完备指标通过计算核心句法成分的缺失比例实现量化，其中核心动词缺失比例是最关键的测度指标。在依存句法分析中，动词作为句子的语义中枢，其缺失会直接导致句法结构断裂。例如，当电子病历中出现“患者因胸痛，昨日”这类表述时，依存树会显示缺乏支配“胸痛”和“昨日”的核心谓语动词，此时核心动词缺失比例为 100%，可直接判定为典型 SYN 类空缺句。该指标通过统计目标句中核心动词（含主动词、系动词及助动词）的理论应有数量与实际出现数量的差值比率，实现对句法骨架完整性的量化评估。

谓词-论元覆盖率从语义-句法接口层面反映空缺程度，其计算方式为实际识别的论元数量与谓词所要求的论元数量之比。电子病历中常见的“术后予抗感染”表述中，谓词“予”需携带施事、受事、方式三个论元，但句中仅出现受事“抗感染”，此时论元覆盖率为 33%，表明存在严重的论元缺失。该指标不仅能识别显性空缺，还可通过论元角色（如施事、受事、时间状语）的缺失模式，区分不同类型的 SYN 类空缺句，如主语省略型、宾语缺失型等。

从属连词未闭合指标聚焦于从句结构的语法完整性，通过检测从属连词引导的句法单元是否存在结构断层实现识别。在电子病历记录中，“患者入院后，行心电图检查”这类表述中，从属连词“后”引导的时间状语从句未完成语法闭合（缺少从句谓语），形成典型的悬置结构。该指标通过依存树中从属连词节点的子树完整性校验，统计未闭合连词的出现频率及对应从句类型（如时间从句、条件从句），为 SYN 类空缺句的细分类提供依据。

句法特征量化体系的协同作用：三类指标从不同层面构建识别逻辑——依存树不完备指标定位句法骨架缺陷，谓词-论元覆盖率揭示语义成分缺失，从属连词未闭合指标捕捉从句结构断层。三者的组合应用可将 SYN 类空缺句的识别精确率提升至句法单一维度分析的 1.8 倍，为电子病历文本的自动校验提供结构化语言学依据。

通过上述量化方法，句法特征能够系统性地揭示 SYN 类空缺句的语法断裂模式，其识别价值不仅体现在静态的结构描述，更通过特征组合形成动态的空缺类型诊断模型，为后续 GPT-5 等大语言模型的自动补全与分类任务奠定语言学基础。

语义特征

语义特征在电子病历空缺句自动分类中扮演关键角色，其核心价值体现在与SEM（Semantic Category）类别的深度关联及医学术语体系的支撑作用上。SEM类别的判定直接依赖于语义特征的提取与分析，典型如药物实体描述中"剂量"属性槽的空槽现象，当电子病历文本中未明确记录药物使用剂量时，该空缺句即可被归类为SEM类，此类空缺反映了语义层面关键信息的缺失，而非简单的语法或结构问题。

医学术语库（如UMLS、SNOMED CT、ICD等）为语义特征计算提供了标准化概念体系，显著提升了医学实体与属性的识别准确性。通过映射电子病历文本中的术语至统一医学语言系统，能够有效消除术语歧义，确保"必需属性槽"的定义与提取具备跨机构、跨文本的一致性。

具体而言，语义特征包含两大核心维度：

• 概念覆盖率：衡量电子病历文本中实体与属性术语被UMLS/SNOMED/ICD等权威术语库覆盖的比例，覆盖率越高，语义信息的完整性与规范性越强；
• 必需属性槽空槽计数：针对医学实体的关键属性（如药物的剂量、给药路线、使用频次，解剖部位的侧别，事件描述的时态等），统计未被填充的空槽数量，空槽计数直接反映语义信息的缺失程度。

关键语义特征要素

• 医学术语体系：UMLS/SNOMED/ICD提供概念标准化基础
• 核心属性槽：剂量、路线、频次、侧别、时态为必需检测项
• 量化指标：概念覆盖率与空槽计数构成语义完整性评估维度

通过上述特征的组合分析，可构建电子病历空缺句的语义层面判定模型，为SEM类别的精准识别提供结构化依据。

语用特征

在电子病历空缺句的语言学特征分析中，语用特征通过特定语言标记的使用模式，为PRG（程序性空缺）和DIS（信息缺失型空缺）类别的自动识别提供重要语言学线索。这类特征主要体现在语言使用与语境需求的不匹配，具体表现为指代关系断裂、功能词作用域缺失等形式，直接影响临床文本的理解准确性与信息完整性。

#对PRG/DIS类别的指示作用
程序性空缺（PRG）常表现为功能性指引语的无效化，典型案例为“详见……”结构在电子病历中的滥用。当该类表述后未跟随具体指向内容（如缺失对应的检查报告编号、前文段落标记或附件索引）时，原本用于引导信息定位的程序性语言便转化为空缺标记，形成PRG类空缺句。这种现象在多科室协作的电子病历中尤为突出，反映出临床文档撰写中对“快捷模板”的依赖与实际信息管理的脱节。

信息缺失型空缺（DIS）则更多与否定/不确定性触发词的作用域缺失相关。例如“患者否认胸痛，但未明确否认时间范围”中，否定词“否认”虽被使用，但其修饰的时间、程度等关键参数未被界定，导致临床判断所需的核心信息缺失。此类语用特征揭示了DIS类空缺句在语义表达上的“半截性”——功能词完成了语用启动，却未实现语义闭环。

指代失败导致的理解障碍

电子病历中的跨语境指代断裂是语用特征引发理解障碍的核心表现。常见标记词包括“如上所述”“同前”“该患者”等，当这些指代性表达的先行词未在上下文明确出现时，会直接导致信息锚点丢失。例如某病历记录“如上所述，患者血糖控制不佳”，若前文未对应记录血糖监测数据或治疗方案，则“如上所述”构成典型的指代失败，迫使后续阅读者进行无效回溯或主观推测，显著增加临床决策风险。

关键语用特征类型总结

1. 程序性指引无效化："详见……"无对应内容 → PRG类
2. 指代关系断裂