基于混合策略的公众健康领域新词识别方法研究
来源：图书情报工作杂志2015年第23期北京时间：
作者：侯丽,李姣,侯震,陈松景
单位：中国医学科学院医学信息研究所 北京 100020
摘要：[目的/意义] 从互联网公众查询数据中发现公众使用的健康术语,为建立公众健康术语与医学专业术语的映射提供基础,进而优化健康类知识服务平台的知识组织与管理性能。[方法/过程] 设计规则与N-Gram相结合的健康术语新词的识别模型,采集公众查询数据,开展实验验证,通过多次实验,逐步完善过滤语料集合,结合人工判读,不断优化并验证方案的有效性。[结果/结论] 从互联网中公众提问句抽取出规则,结合统计算法进行公众使用的健康类新词抽取,该技术方法对识别公众使用的健康术语具有一定的通用性,能为建立公众术语与医学术语映射提供数据基础。实验结果表明:基于规则进行公众日志数据预处理,能为后续的实验方案提供较好的预处理文本,而采用N-Gram及各种过滤规则结合的术语识别方法,能较好地识别发现短文本中的新词。
关键词：互联网查询数据,公众健康术语,N-Gram,实体识别,
基金资助：<p>本文系国家社会科学基金"面向知识服务的公众健康知识组织体系构建研究"(项目编号:14BTQ032)和"十二五"国家科技支撑计划课题"公众健康知识整合与服务技术研究与应用"(项目编号:2013BAI06B01)研究成果之一。</p>
