-
题名基于在线医疗咨询文本的抑郁症症状短语的自动识别
被引量：2
- 1
-
-
作者
聂卉
吴晓燕
-
机构
中山大学信息管理学院
-
出处
《现代情报》
CSSCI
2023年第9期63-73,共11页
-
基金
2022广州社会科学基金项目“双循环新发展格局下粤港澳大湾区社会保障高效协同研究”(项目编号:10000-42220402)
2023广州市哲学社会科学发展“十四五”规划项目“健康中国背景下面向互联网医疗大数据的抑郁症风险预测研究”(项目编号:2023GZGJ259)。
-
文摘
[目的/意义]利用在线医疗咨询文本探索抑郁症症状的自动抽取方法,推进健康大数据的深层次应用。[方法/过程]以在线问诊平台“好大夫在线”的患者问诊记录为语料,选择无监督机器学习法,运用短语识别和深度学习语义建模技术实现抑郁症症状的快速提取。算法通过了测试语料的评估,并在抑郁症典型症状分析和抑郁症人群预测两个任务中得以检验。[结果/结论]运用本文算法识别抑郁症症状短语的准确率为73.85%,模型表现优良。用该方法分析抑郁症患者的典型表现,结论与心理学临床检验结果一致,抑郁症人群预测的精准度则可以达到78.81%。对于3个症状短语的分布表示模型,具备深层次语义表达能力Sentence-BERT表现最好,说明强化短语的语义表达,运用无监督机器学习方法能够实现疾病症状的快速提取,有效提升大规模文本信息的处理能力。
-
关键词
在线医疗咨询文本
抑郁症
语义建模
短语识别
-
Keywords
online medical consultation text
depression
semantic modeling
phrase recognition
-
分类号
G202
[文化科学—传播学]
TP391
[自动化与计算机技术—计算机应用技术]
-
