在线医疗社区中面向医生的协同标注研究

摘要：

[目的]通过挖掘文本特征寻找某医生的相似医生,以相似医生的特征为基础对医生进行标注,丰富对医生特征的描述.[方法]利用Word2Vec词向量模型对医生的咨询文本、文章标题与咨询范围进行向量表示,在此基础上挖掘相似医生;进而分析挖掘的相似医生的特征,对标注的目标医生进行协同标注.[结果]基于咨询文本、文章标题与咨询范围的医生标注结果,准确率分别为0.667、0.252与0.708,混合不同文本进行标注的准确率为1.000.[局限]对文本语义特征的挖掘不够深入,以单一文本进行标注的准确率与召回率有待提高.[结论]基于咨询文本产生的标签与患者即时需求较为紧密,基于文章标题产生的标签与医生兴趣具有较强联系,基于咨询范围与混合不同文本所得标签具有较高的准确率,从文本挖掘出发进行医生的协同标注能在一定程度上推荐合适的标签.

关键词：Word2Vec、协同标注、医生标注、标签推荐

所属期刊栏目：4

分类号：G206(信息与传播理论)

资助基金：本文系华中师范大学中央高校基本科研业务费人文社会科学类重大项目“基于语义网的在线健康信息的挖掘与推荐研究”;华中师范大学优秀博士学位论文培育计划项目

在线出版日期：2020-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：118-128