集搜客GooSeeker网络爬虫

标题: 基于Word2Vec 的医学知识组织系统互操作研究这篇论文是怎么做的？ [打印本页]

作者: 发誓学好内容分析 时间: 2021-9-15 11:27
标题: 基于Word2Vec 的医学知识组织系统互操作研究这篇论文是怎么做的？
这篇论文《基于Word2Vec 的医学知识组织系统互操作研究》，根据我的理解，用大白话这样说：

由于大家用词不会完全符合行业规范，那么互相直接交换信息的时候会出现理解不对头，如果靠人纠正太麻烦了，那么用word2vec利用上下文语义，可以识别出来某个词的相近的词。

但是，我有些不理解的：规范的用词提供的预料是一些词典，真的含有足够丰富的上下文吗？能跟被处理的内容比较类似的上下文？

作者: 马涌河畔 时间: 2021-9-15 15:43
我看了原文，研究者用来做模型训练的是一批检索得到的医学方面的文献：
“笔者在 CNKI 数据库中以 “中医”并含 “疾病”字段进行主题检索，共获得 46639 篇文献，并对其摘要部分信息进行抽取; 同时，提取涉及的词表和分类法中各层级类目的主题词说明和注释部分，去除特殊字符以及无关内容后用作训练集。除了已获取的上述相关医学领域文献语料，为了保证训练集语料的规模及全面性，综合使用中文维基百科语料对 Word2Vec 进行训练，访问 https: / / dumps. wikimedia. -org /zhwiki /latest 下载最新的语料，调用Python-Gensim 库下的 WikiCorpus 对所下载的数据进行解析抽取，进一步将较为纯净的中文文本语料加入训练集。”

作者: 马涌河畔 时间: 2021-9-15 16:57
这个研究，是把《中国中医药学主题词表》和《中文医学主题词表》做映射，是不是因为中医药学的一些词和现代医学的一些词的表述不一致？该文介绍的具体做法如下，
选取 CMeSH 《中国中医药学主题词表》中 “TC 中医病证”，《中图法》Ｒ类，将其各级类目及主题词字段分别转存入 Mysql 数据库。通过调用 Word2Vec 模型得到了与《中国中医药学主题词表》TC 类以及《中图法》Ｒ类下所有词条向量余弦值最大的前 10 条结果分别对应的词，即前 10 个最可能相关的词，实验认为这些结果全部具备与原输入词条实现映射的可能。

通过判断语句实现与《中文医学主题词表》中类目的逐一对照，若任意一条返回的结果存在于 CMeSH 表中，那么认为来源词表向目标词表间建立了一条映射。

至此，本实验将属于两部词表中的类目能否建立映射这一问题转换为判断源表中类目最可能相关的词条是否在目标表中。

欢迎光临集搜客GooSeeker网络爬虫 (https://www.gooseeker.com/doc/)