基于在线医疗咨询文本的抑郁症症状短语的自动识别

摘要：

[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

所属期刊栏目：43

分类号：G202;TP391(信息与传播理论)

资助基金：广州社会科学基金项目;广州市哲学社会科学发展十四五规划项目

在线出版日期：2023-09-05（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：63-73