Domi31tls
ea214db170
Suite aux fixes #1-5 (entjur FINESS, mono-mots distinctifs, énumérations ville, RE_HOPITAL_VILLE ALL-CAPS), 11 entrées du YAML sont devenues redondantes avec les détections automatiques. Avant : 14 force_mask_terms + 4 force_mask_regex Après : 4 force_mask_terms + 1 force_mask_regex Retiré (couvert par gazetteers/regex) : - CENTRE HOSPITALIER COTE BASQUE (et variantes) → ETAB via RE_HOPITAL_VILLE - POLYCLINIQUE COTE BASQUE SUD (et variantes accentuées) → ETAB via RE_HOPITAL_VILLE - 640780417 (entjur CHCB) → FINESS_NUMBERS après fix #1 - BAYONNE, BAYONNE CEDEX → VILLE via gazetteer + énumérations + suffixe CEDEX - 64109 → CODE_POSTAL via regex (capture maintenant "64109 BAYONNE CEDEX" en bloc) - LES EMBRUNS, REED LES EMBRUNS, EMBRUNS BIDART → ETAB via AC FINESS (mono-mots distinctifs) - regex Centre Hospitalier / Polyclinique Côte Basque → fix #5 RE_HOPITAL_VILLE - regex [Ee]mbruns → fix #3 mono_mots_distinctifs.txt Conservé (irréductible local ou politique métier) : - CHCB (sigle local non référencé FINESS) - 'Dates du séjour :' (libellé administratif) - CONCERTATION (mention RCP — politique métier) - LABORATOIRE de BIOLOGIE MEDICALE (libellé administratif) - regex adresse 13 Avenue Interne J. LOEB (filet, AC FINESS adresses suffit) Validation sur trackare-18007562 : - Avant : 122 hits (dont 7 force_term/force_regex) - Après : 119 hits — disparition des doublons, capture améliorée (ex: "64109 BAYONNE CEDEX" capturé en bloc CODE_POSTAL au lieu de 3 hits séparés) - Couverture identique : CENTRE HOSPITALIER, COTE BASQUE, BAYONNE, 64109 toujours masqués Co-Authored-By: Claude Opus 4.6 (1M context) <noreply@anthropic.com>
84 lines
2.6 KiB
YAML
84 lines
2.6 KiB
YAML
version: 1
|
|
encoding: utf-8
|
|
normalization: NFKC
|
|
whitelist:
|
|
sections_titres:
|
|
- DIM
|
|
- GHM
|
|
- GHS
|
|
- RUM
|
|
- COMPTE
|
|
- RENDU
|
|
- DIAGNOSTIC
|
|
noms_maj_excepts:
|
|
- Médecin DIM
|
|
- Praticien conseil
|
|
org_gpe_keep: false
|
|
blacklist:
|
|
# Sigles et libellés propres à l'établissement non couverts par les gazetteers
|
|
# nationaux (FINESS / INSEE / BDPM). Évitez d'ajouter ici des noms d'hôpitaux,
|
|
# villes, codes postaux ou numéros FINESS — ils sont déjà détectés automatiquement.
|
|
force_mask_terms:
|
|
- CHCB # Sigle local non référencé FINESS
|
|
- 'Dates du séjour :' # Libellé administratif (politique masquage)
|
|
- CONCERTATION # Mention de RCP (politique métier)
|
|
- LABORATOIRE de BIOLOGIE MEDICALE # Libellé administratif générique
|
|
force_mask_regex:
|
|
# Adresse précise du CHCB — couverte par l'AC FINESS adresses mais on garde
|
|
# la regex en filet de sécurité (encodages PDF, espaces non standards).
|
|
- '13\s*,?\s*Avenue\s+de\s+l.Interne\s+J\.?\s*LOEB\s+BP\s*\d+'
|
|
kv_labels_preserve:
|
|
- FINESS
|
|
- IPP
|
|
- N° OGC
|
|
- Etablissement
|
|
regex_overrides:
|
|
- name: OGC_court
|
|
pattern: \b(?:N°\s*)?OGC\s*[:\-]?\s*([A-Za-z0-9\-]{1,3})\b
|
|
placeholder: '[OGC]'
|
|
flags:
|
|
- IGNORECASE
|
|
# Phrases à ne JAMAIS anonymiser (faux positifs récurrents)
|
|
# Ajouter ici les expressions qui sont masquées à tort.
|
|
# La correspondance est insensible à la casse.
|
|
whitelist_phrases:
|
|
- "classification internationale"
|
|
- "prise en charge"
|
|
- "bas de contention"
|
|
- "date de naissance"
|
|
- "lieu de naissance"
|
|
- "ville de résidence"
|
|
- "date de sortie"
|
|
- "date d'admission"
|
|
- "code postal"
|
|
# Mots supplémentaires à ne jamais masquer comme noms de personnes
|
|
# (complète les 9000+ stop-words intégrés)
|
|
additional_stopwords: []
|
|
# Exemple :
|
|
# - "votre_mot"
|
|
|
|
# Villes supplémentaires à ne jamais matcher comme lieux
|
|
# (complète les 115+ villes blacklistées intégrées)
|
|
additional_villes_blacklist: []
|
|
# Exemple :
|
|
# - "VOTRE_VILLE"
|
|
|
|
# Labels DPI supplémentaires à ne jamais masquer comme noms
|
|
# (complète data/dpi_labels_blacklist.txt)
|
|
# Utiliser pour : titres de colonnes, en-têtes de sections, libellés de champs
|
|
additional_dpi_labels: []
|
|
# Exemple :
|
|
# - "Service"
|
|
# - "Statut"
|
|
|
|
# Termes en MAJUSCULES à ne jamais propager comme noms compagnons
|
|
# (complète data/companion_blacklist.txt — spécialités, labos pharma, mots ambigus)
|
|
additional_companion_blacklist: []
|
|
# Exemple :
|
|
# - "VOTRE_SPECIALITE"
|
|
|
|
flags:
|
|
case_insensitive: true
|
|
unicode_word_boundaries: true
|
|
regex_engine: python
|