随着分级诊疗和医联体、医共体的加速推进，县、乡、村基层医药市场的深度开发成为药企拓展广阔市场的新目标。
据统计，仅2019年，县域市场的药品销售额达到3212亿元。蕴含更大发展空间的县、乡、村医药市场成为药企发力的重点。
如何快速布局基层市场、实现市场的深度覆盖，需要对基层医疗机构特别是“村卫生室”的分布有着标准划分和准确提取。
未名企鹅的极客专家利用有限状态机模型自动提取五级行政区划信息，实现“村卫生室”的识别效率。
对于「村卫⽣室」类型的组织机构数据，常常需要提取出五级⾏政区划信息。如：从「定⻄市⾹泉镇中庄村卫⽣室」提取出「⽢肃省」「定⻄市」「安定区」「⾹泉镇」「中庄村⺠委员会」。
现有⽅案都是对三级⾏政区划（即省市区）的提取，对第四、五级乡村的提取并没有现成的解决⽅案。若完全交由⼈⼯提取，则费时费⼒成本较⾼，且准确率没有保障。
{ "⼤连湾": [ "辽宁省 ⼤连市 ⽢井⼦区 ⼤连湾街道", "辽宁省 ⼤连市 ⽢井⼦区 ⼤连湾街道 ⼤连湾社区居委会" ] }
给定⽂本从最左侧开始，对所有关键字做贪婪匹配，且词序满⾜区划的级联关系。伪代码如下：def extract_keywords(text): result = [] while text.length>0: t = text.copy() modified = False while t.length>0: if t is 关键字 and satisfy_order(result + t): result.append(t) text.remove_first(t) modified = True break t = t.remove_tail() if not modified: text = text.remove_head() return result
利⽤倒排索引，将分词展开成⼆维图（如下图），依据级联关系排列出所有可能的选项，如图：⼀个选项的置信度得分是由多种特征（因素）综合得出的，如：为了减少⼈⼯成本，在保证正确率的情况下，应该尽可能多地输出猜测结果。因此，使⽤查准率（Precision）、召回率（Recall）和覆盖率（Coverage）来评价结果。预测正例：置信度达到阈值的预测结果，视为「预测正例」预测负例：置信度低于阈值的预测结果，视为「预测负例」
欢迎CIO交流
关于有限状态机模型进行五级行政区划提取，如果您有经验想要分享，欢迎关注未名企鹅公众号，订阅极客栏目，或者点击文末左下角“阅读原文”给我们留言提出您的需求建议。未名企鹅以“连接健康”为使命，致力于提供生命健康领域的大数据产品和解决方案，帮助客户实现数据驱动的业务增长。未名企鹅中的“未名”代表北大，寓意人文精神，生命健康领域正是体现人文关怀的产业；“企鹅”象征科技，未名企鹅的创始团队毕业于北大，技术力量来自腾讯，公司以未名企鹅命名是希望以人文情怀加上科技力量来推动生命科学行业数字化发展。
