知识指导的医学依存句法分析研究

20241231

信息传输、软件和信息技术服务业

1.本项目完成了以下内容： （1）构建了Wasserstein生成式对抗网络模型，根据语境识别词汇的领域属性； （2）隐式地，将领域属性以词向量拼接的方式应用在医学依存句法分析任务中，实现了部分去词汇化，减小领域之间的词汇鸿沟，提高了句法模型的领域迁移性能，在genia数据上的错误率降到了6.5%； （3）显式地，依据不同预训练模型获取近义词，将源领域特有的词汇替换成目标领域中相似词汇，实现数据增强； （4）标注了2000句医学领域的中文依存句法树。 2.依托于微信小程序来开发，设计一个基于微博社交媒体数据的多模态情感分析系统，功能包含图像和文本的上传、情感倾向分析

1.有自然语言处理等相关需求； 2.公司应有会使用自然语言处理技术的研究人员； 3.具备相关硬件条件，比如显卡应足够用于模型训练。

可国（境）内外转让

加深对医学文本的分析和理解，提取出更有价值的信息，实现电子辅助诊疗，提高医生的工作效率，对智慧医疗的发展有重要意义。

北京市自然科学基金青年项目

北京市科学技术委员会;中关村科技园区管理委员会

依存句法分析是针对给定的句子分析词语之间的修饰关系，对句子在语法层面进行描述，为多项下游任务提供基础知识。在医学领域，依存句法分析在医疗文本的理解、医学事件抽取、家族病史抽取等任务中起重要作用。但是，医学领域的依存句法树资源稀少，医学文本多样且复杂，医学依存分析任务存在严重的数据稀疏及知识匮乏现象，导致性能不理想。为解决该问题，本项目利用大规模预训练模型蕴含的知识，从多方面指导医学文本的依存句法分析，根据语境识别领域特有词汇，增强句法模型的泛化能力，并对医学领域依存树进行数据增强，进一步提高医学依存句法分析的性能。本项目完成了以下内容：（1）构建了Wasserstein生成式对抗网络模型，根据语境识别词汇的领域属性；（2）隐式地，将领域属性以词向量拼接的方式应用在医学依存句法分析任务中，实现了部分去词汇化，减小领域之间的词汇鸿沟，提高了句法模型的领域迁移性能；（3）显式地，依据不同预训练模型获取近义词，将源领域特有的词汇替换成目标领域中相似词汇，实现数据增强；（4）标注了2000句医学领域的中文依存句法树，为依存句法分析及下游任务增添数据来源。本项目提出的识别词汇领域属性模型，并利用知识指导其隐式和显式应用，有利于将知识注入其他的自然语言理解任务中，缓解数据稀疏和知识匮乏的现象；从模型和数据层面改善了现有的依存句法分析模型，提高了依存句法分析的性能，加深对病历文本的分析和理解，提取出更有价值的信息，对智慧医疗的发展有重要意义。