检索结果-南通市图书馆

脑卒中疾病电子病历实体及实体关系标注语料库构建

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2022年第8期36卷 37-45页

作者：常洪阳昝红英马玉团张坤丽郑州大学计算机与人工智能学院河南郑州450001 鹏城实验室广东深圳518055

该文探讨了在脑卒中疾病中文电子病历文本中实体及实体间关系的标注问题,提出了适用于脑卒中疾病电子病历文本的实体及实体关系标注体系和规范。在标注体系和规范的指导下,进行了多轮的人工标注及校正工作,完成了158万余字的脑卒中电子... 详细信息

该文探讨了在脑卒中疾病中文电子病历文本中实体及实体间关系的标注问题,提出了适用于脑卒中疾病电子病历文本的实体及实体关系标注体系和规范。在标注体系和规范的指导下,进行了多轮的人工标注及校正工作,完成了158万余字的脑卒中电子病历文本实体及实体关系的标注工作。构建了脑卒中电子病历实体及实体关系标注语料库(Stroke Electronic Medical Record entity and entity related Corpus,SEMRC)。该文所构建的语料库共包含命名实体10594个,实体关系14457个。实体名标注一致率达到85.16%,实体关系标注一致率达到94.16%。

关键词：脑卒中疾病语料库构建命名实体实体关系

中文医学细粒度知识表示体系与标注语料库构建

在线全文

学校读者我要写书评

暂无评论

中文信息学报 2023年第6期37卷 52-66页

作者：杨洋关毅李雪姜京池史怀璋柳曦光哈尔滨工业大学计算学部黑龙江哈尔滨150001 哈尔滨医科大学附属第一医院神经外科黑龙江哈尔滨150030 黑龙江省医院皮肤科黑龙江哈尔滨150030

面向医学知识的细粒度、可共享性与高精准性的需求,该文提出了中文医学文本知识表示体系,融合了电子病历、医学书籍与专业医学网站文本三个数据来源的医疗知识。该体系包括9类医学实体、60类实体关系。基于此,开发了可操作性高的标注工... 详细信息

面向医学知识的细粒度、可共享性与高精准性的需求,该文提出了中文医学文本知识表示体系,融合了电子病历、医学书籍与专业医学网站文本三个数据来源的医疗知识。该体系包括9类医学实体、60类实体关系。基于此,开发了可操作性高的标注工具,并为每种来源提供了规范标注的医学文本数据,构建了涵盖范围广、一致性高的细粒度标注语料库。4名临床医生对《诊断学》书籍标注了6526个医学实体,4229条关系,标注一致性可达0.974。三个数据源融合后实体数量344475个,关系数量3196787条。该文综述了数据源融合的映射过程、标注细则,分析了各数据源的文本特点并总结标注模式,通过应用场景与文本特点表明医学书籍标注必要性。该文为中文医学语料库构建提供标注规范,并为中文医学实体识别与关系抽取提供语料支持。

关键词：细粒度标注规范多源医疗文本语义标注语料库构建

在线全文

学校读者我要写书评

暂无评论

糖尿病电子病历实体及关系标注语料库构建

中文信息学报 2023年第12期37卷 17-25页

作者：叶娅娟胡斌张坤丽昝红英郑州大学计算机与人工智能学院河南郑州450001

电子病历是医疗信息的重要来源,包含大量与医疗相关的领域知识。该文从糖尿病电子病历文本入手,在调研了国内外已有的电子病历语料库的基础上,参考I2B2实体及关系分类,建立了糖尿病电子病历实体及实体关系分类体系,并制定了标注规范。... 详细信息

电子病历是医疗信息的重要来源,包含大量与医疗相关的领域知识。该文从糖尿病电子病历文本入手,在调研了国内外已有的电子病历语料库的基础上,参考I2B2实体及关系分类,建立了糖尿病电子病历实体及实体关系分类体系,并制定了标注规范。利用实体及关系标注平台,进行了实体及关系预标注及多轮人工校对工作,形成了糖尿病电子病历实体及关系标注语料库(Diabetes Electronic Medical Record entity and relation Corpus, DEMRC)。DEMRC共包含8 899个实体、456个实体修饰及16 564个关系,对其进行一致性评价和分析,发现实体及关系标注一致性达到了0.854 2和0.941 6。针对实体识别和实体关系抽取任务,分别采用基于迁移学习的BiLSTM-CRF模型和RoBERTa模型进行初步实验,并对语料库中的各类实体及关系进行评估,为后续糖尿病电子病历实体识别、关系抽取研究及糖尿病知识图谱构建打下基础。

关键词：糖尿病电子病历实体及关系标注体系语料库构建

一种灵活高效的增量式Web平行语料抽取方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年

作者：刘小峰郑禹铖李东阳华中科技大学软件学院

从Web中抽取平行语料对于机器翻译和其他多语语言处理任务来说非常重要，该文提出了一个从Web中灵活高效地增量抽取平行语料的方法，通过持续地对Common Crawl的Web抓取存档进行下载、扫描和分析统计，增量更新域名下语言文本长度统计... 详细信息

从Web中抽取平行语料对于机器翻译和其他多语语言处理任务来说非常重要，该文提出了一个从Web中灵活高效地增量抽取平行语料的方法，通过持续地对Common Crawl的Web抓取存档进行下载、扫描和分析统计，增量更新域名下语言文本长度统计数据。对于任意给定的感兴趣目标语言对，抽取方法基于域名下语言文本长度统计数据确定抓取网站入口，并根据目标语言进行定向抓取，忽略多语域名和目标语言外的链接。该文还提出了一种在多语域名内基于语义相似性进行全局对齐的新的句子对齐方法。实验表明，增量抽取能够持续不断地获得新的平行语料，根据指定的语言对进行抽取可以灵活地获得感兴趣的目标语言对平行语料，新的对齐方法在对齐效率上明显优于全局方法，且能完成局部方法无法完成的对齐，抽取到的平行语料在6个语言方向中4个中低资源语言方向质量优于现有Web开源平行语料，在2个高资源语言方向质量接近现有最好Web开源平行语料。

关键词：平行语料抽取句子对齐语料库构建机器翻译 Web挖掘

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

面向内蒙古历史的领域语料库构建

面向内蒙古历史的领域语料库构建

作者：许皇明内蒙古大学

学位级别：硕士

近年来,随着深度学习技术的高速发展,人类在自然语言处理方向的研究不断深入,对于语料库的需求也日益增多。语料库作为一个存放语言材料的数据仓库,是自然语言处理以及计算机语言学的研究基础,为分词任务、实体识别任务以及关系抽取任... 详细信息

近年来,随着深度学习技术的高速发展,人类在自然语言处理方向的研究不断深入,对于语料库的需求也日益增多。语料库作为一个存放语言材料的数据仓库,是自然语言处理以及计算机语言学的研究基础,为分词任务、实体识别任务以及关系抽取任务等提供了有效的底层数据支持,推动人们对语言的理解和应用。而在内蒙古,该地区有着丰富的历史文化,但许多历史人物、事迹以及民族发展等都是以书籍文献等纸质文本方式进行记载存储,不利于知识文化的传播以及学习。为此,本文基于内蒙古历史,对其进行语料库构建,涉及到三大部分:中文分词、实体识别以及关系分类。面向内蒙古历史的领域语料库构建,能为上层的、与内蒙古历史文化相关的知识图谱、智能问答、推荐系统等提供了原始的数据支持,让人们能够更加快速地学习和了解内蒙古历史,推动了其文化的发展与传播。本文主要研究内容如下:(1)基于深度主动学习构建内蒙古历史领域的中文分词和实体识别语料库。本文把中文分词和实体识别都视为成一个序列标注问题,深度学习模型采用BERT+Bi LSTM+CRF框架,主动学习的样本选择策略使用MNLP(Maximum Normalized Log-Probability)算法。最后成功标注15542条句子,总词数达到388789个的中文分词语料库;实体识别语料库则标注了19种不同类别、共计56140个实体。在这两个语料库的基础之上,本文使用BERT+Bi LSTM+CRF框架分别训练了内蒙古历史领域的中文分词模型M-CWS和实体识别模型M-NER,其中MCWS和M-NER的F1值分别为96.63%和86.57%,能够满足于一般的使用场景需求,同时这两个模型也用于本文原型系统中的展示平台。(2)基于远程监督方法构建关系分类语料库。远程监督的思想在于若实体对共现在一条句子中,则认为该句子能够表达实体对之间的关系,但这种方法提取的语料存在大量的噪音。为此,本文提出一种基于触发词的匹配对齐方法,利用M-CWS分词模型对触发词进行全词匹配,实现对13种单向关系,共计29203条句子的内蒙古历史领域的关系分类语料库构建。在此语料库的基础之上,本文使用BERT+Bi LSTM+Softmax框架训练了一个内蒙古历史领域的关系分类模型MREL,该模型F1值达到88.95%,能够满足于一般的使用场景需求,同时该模型也用于本文原型系统中的展示平台。(3)实现原型系统。本文实现的原型系统包括标注平台和展示平台两个部分。其中,标注平台主要辅助标注人员标注以及语料的存储,如PDF文件转换成TXT文本、相对应语料的标注页面、语料管理页面、语料导出等功能。展示平台则分为图谱展示以及句子识别,图谱展示对内蒙古历史人物关系及相关属性进行可视化展示,便于历史脉络的梳理和整合;句子识别则使用M-CWS、M-NER和M-REL模型来对句子进行中文分词、实体识别以及关系分类。

关键词：语料库构建内蒙古历史领域中文分词实体识别关系分类

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

突发公共卫生事件应急信息需求语料库的构建

突发公共卫生事件应急信息需求语料库的构建

作者：秦芹芊南昌大学

学位级别：硕士

近年来,突发公共卫生事件频发,其不确定性和破坏性十分显著。为有效应对突发公共卫生事件,公众需要不断获取相关信息,这使得公众应急信息需求日益迫切,对于应急信息需求的研究也刻不容缓。信息需求研究方法包括访谈、观察和问卷调查,但... 详细信息

近年来,突发公共卫生事件频发,其不确定性和破坏性十分显著。为有效应对突发公共卫生事件,公众需要不断获取相关信息,这使得公众应急信息需求日益迫切,对于应急信息需求的研究也刻不容缓。信息需求研究方法包括访谈、观察和问卷调查,但对于大众、快速、实时的需求有一定限制。而大数据自动获取技术可以实现从全球信息源中获取数据并分析相关信息。作为大数据自动获取技术中重要的数据资源,语料库将促进以系统化方式收集、整理并分析公众在公共卫生突发事件中的信息需求。因此,突发公共卫生事件应急信息需求语料库的研究有助于深入理解公众对公共卫生突发事件的态度,有助于化解突发公共卫生事件中的焦虑与不确定性。本研究首先通过网络爬虫方法采集相关事件的信息需求语料文本,经语料预处理后得到初始待标注语料。其次,通过随机抽样提取部分初始标注语料,采用内容分析法将提问者透过语料文本所表征出来的应急信息需求以文本形式展现,将概念化及范畴化后的标注类目之间的关系联系起来,构建应急信息需求分类本体。再次,以应急信息需求分类本体为基础,通过人工标注完成应急信息需求语料的分类标注,完成应急信息需求语料库建设。最后,分析公众在突发公共卫生事件中应急信息需求的特征,为相关部门及时有效满足公众信息需求提供对策与建议。研究结果表明,公众在突发公共卫生事件中应急信息需求包括4个一级类、12个二级类和68个三级类,在面对不同突发公共卫生事件中其应急信息需求存在差异。在生物病原体所致疾病中,公众最关注的应急信息为为医学层面、预防与治疗和发展现状这三个方面;在食物中毒事件中,公众最关注的应急信息为常识相关、就医相关和医学层面这三个方面;在群体中毒事件中,公众最关注的应急信息为产品选择、医学层面和常识相关这三个方面;而在自然灾害中,公众最关注的应急信息为生活相关、自我防护和事件防范这三个方面。因此,在面对不同突发公共卫生事件时,相关部门应采取不同对策与措施。例如,面对生物病原体所致疾病时,相关部门应建立官方信息发布平台,向公众准确地传递疫情信息、医学知识、预防措施等信息;而面对自然灾害时,相关部门需要尽可能地加强信息发布渠道和手段,利用各种媒介渠道以确保公众及时获取相关信息。

关键词：突发公共卫生事件应急信息需求大数据语料库构建

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

篇章视角的汉语零指代语料库构建

软件学报 2021年第12期32卷 3782-3801页

作者：孔芳葛海柱周国栋苏州大学计算机科学与技术学院自然语言处理实验室江苏苏州215006 江苏省计算机信息处理技术重点实验室江苏苏州215006

零指代是汉语中普遍存在的一个现象,在汉英机器翻译、文本摘要以及阅读理解等众多自然语言处理任务中都起着重要作用,目前已成为自然语言处理领域的一个研究热点.提出了篇章视角的汉语零指代表示体系,从服务于篇章分析的角度出发,首先... 详细信息

零指代是汉语中普遍存在的一个现象,在汉英机器翻译、文本摘要以及阅读理解等众多自然语言处理任务中都起着重要作用,目前已成为自然语言处理领域的一个研究热点.提出了篇章视角的汉语零指代表示体系,从服务于篇章分析的角度出发,首先以基本篇章单元为考察对象,判别其是否包含零元素;再根据零元素在基本篇章单元中承担的角色将零元素划分成主干类和修饰类两类;接着以段落对应的篇章修辞结构树为考察指代关系的基本单元,依据先行词与零元素间的位置关系将指代关系分成基本篇章单元内和基本篇章单元间两种,并针对基本篇章单元间的指代关系,根据零元素对应的先行词的状况将指代关系分成实体类、事件类、组合类和其他等4类;最后,基于篇章视角的汉语零指代表示体系,选取汉语树库CTB、连接词驱动的汉语篇章树库CDTB和Onto Notes语料中重叠的325篇文本进行了汉语零指代的标注,构建了服务于篇章分析的汉语零指代语料库.一方面,借助系统检测来说明所提出的表示体系合理有效,构造的语料库质量上乘;另一方面构建了完整的汉语零指代消解基准平台,从可计算的角度验证了所构建的汉语零指代语料库能够为篇章视角的汉语零指代研究提供必要的支撑.

关键词：零指代语料库构建篇章分析基本篇章单元零元素

在线全文

学校读者我要写书评

暂无评论

汉语篇章微观话题结构建模与语料库构建

计算机研究与发展 2017年第8期54卷 1833-1852页

作者：奚雪峰褚晓敏孙庆英周国栋苏州大学计算机科学与技术学院江苏苏州215000 苏州科技大学计算机科学与工程系江苏苏州215009 苏州市虚拟现实智能交互及应用技术重点实验室江苏苏州215009

篇章话题结构分析是自然语言理解的前沿基础,而大规模高质量的适用于汉语篇章分析的语料资源缺乏,严重制约了相关篇章话题计算模型的研究.针对上述问题,首先研究了汉语篇章话题结构的理论表示体系.分析了主述位理论、英语修辞结构理论... 详细信息

篇章话题结构分析是自然语言理解的前沿基础,而大规模高质量的适用于汉语篇章分析的语料资源缺乏,严重制约了相关篇章话题计算模型的研究.针对上述问题,首先研究了汉语篇章话题结构的理论表示体系.分析了主述位理论、英语修辞结构理论和宾州篇章树库体系的优势,结合汉语复句句群理论以及汉语自身特点,提出了一种基于主述位理论的汉语篇章微观话题结构表示方式,并借助微观话题链构建了汉语篇章话题结构表示体系.随后,在此基础上,采用自顶向下、后向搜索的标注策略和人机结合的语料库标注方式,构建了基于篇章微观话题表示体系的汉语篇章话题结构语料库(Chinese discourse topic corpus,CDTC).CDTC共包含500个文档,对其进行了详细统计分析并展示了语料库的标注情况.与宾州篇章树库体系、广义话题结构理论的对比表明,所提篇章微观话题结构表示体系在理论上具有一定的优越性,并且符合汉语特点;一致性检验表明CDTC能够充分体现汉语篇章话题分析问题本身的难度,并能够为相关研究提供语料资源支持.

关键词：篇章话题结构主位-述位理论主位推进话题链语料库构建

在线全文

学校读者我要写书评

暂无评论

中文篇章零元素语料库构建

北京大学学报（自然科学版） 2019年第1期55卷 15-21页

作者：盛晨孔芳周国栋苏州大学计算机科学与技术学院自然语言处理实验室苏州215006

针对中文零指代问题,从篇章视角进行理论分析,并完成中文篇章零元素语料库(ChineseDiscourse ZeroCorpus,CDZC)的构建工作。首先,整理和分析已有的理论研究以及语料资源,探究篇章层面中文零元素语料库标注的必要性。然后,采用自底向上... 详细信息

针对中文零指代问题,从篇章视角进行理论分析,并完成中文篇章零元素语料库(ChineseDiscourse ZeroCorpus,CDZC)的构建工作。首先,整理和分析已有的理论研究以及语料资源,探究篇章层面中文零元素语料库标注的必要性。然后,采用自底向上、前向搜索的标注策略和人机结合的半自动标注方式,完成CDZC语料库的构建。最后,对该语料库进行一系列详细的统计分析。结果表明,CDZC能够充分反映出中文零元素省略的语言特点,为相关研究提供语料资源支持。

关键词：中文零元素篇章视角语料库构建中文篇章零元素语料库