中醫(yī)藥癥狀的中文分詞與句子相似度研究.pdf

1、中醫(yī)藥是中國傳統(tǒng)醫(yī)藥，也是中華民族的文化瑰寶。隨著醫(yī)學(xué)技術(shù)的發(fā)展，中醫(yī)藥由于其整體性、動(dòng)態(tài)性、辯證性等特征，越來越被人們重視。信息技術(shù)、人工智能的不斷突破，也為中醫(yī)藥的發(fā)展提供了新思路。目前國家已將中醫(yī)藥信息化列在國家信息化發(fā)展戰(zhàn)略綱要中。由于中醫(yī)藥信息化起步較晚、長期投入不足，中醫(yī)藥信息化的研究總體滯后。本文結(jié)合自然語言處理技術(shù)，對中醫(yī)藥信息化過程中的中醫(yī)藥癥狀，進(jìn)行了深入的研究。重點(diǎn)研究了中醫(yī)藥癥狀分詞和中醫(yī)藥癥狀句子相似度計(jì)算，具

2、體貢獻(xiàn)如下:
　　1)研究了中醫(yī)藥癥狀的數(shù)據(jù)特征。在大量的觀察實(shí)驗(yàn)和互聯(lián)網(wǎng)搜索的基礎(chǔ)上，將其總結(jié)成表達(dá)各異、理解不同、表述不清、單字成詞、部分字詞用法特殊、用字不規(guī)范、詞典不完善這七大特征。
　　2)研究了中文分詞的主要算法、技術(shù)難點(diǎn)以及評價(jià)指標(biāo)。分析了每種算法的優(yōu)點(diǎn)和缺點(diǎn)。針對已有分詞算法的不足和中醫(yī)藥癥狀數(shù)據(jù)的特征，設(shè)計(jì)了一種基于雙向條件概率統(tǒng)計(jì)模型和相對位置的中醫(yī)藥癥狀分詞算法。通過與互信息模型、二元文法模型、正向條件

3、概率模型、雙向條件概率模型比較，本論文的方法在準(zhǔn)確率和召回率上分別較其他算法平均提高了13.39％和17.88％。
　　3)研究了漢語句子相似度計(jì)算的主要算法、技術(shù)難點(diǎn)以及評價(jià)指標(biāo)。分析了每種算法在中醫(yī)藥環(huán)境下的優(yōu)缺點(diǎn)。改進(jìn)了已有的詞語相似度計(jì)算方法。提出了中醫(yī)藥癥狀詞語的分級概念，按照癥狀詞語的重要性將其分為六個(gè)等級。綜合詞語相似度和詞語重要性兩個(gè)指標(biāo)，改進(jìn)了原來的基于語義向量的句子相似度計(jì)算方法。新方法較傳統(tǒng)的方法在句子相似度