基于多特征融合的中文疾病名称归一化研究

摘要

【目的】针对在线健康社区疾病名称存在多种指称的问题,提出基于多特征融合的中文疾病名称归一化模型。【方法】基于在线健康社区构建中文疾病名称归一化数据集;采用LSTM、GRU和CNN模型进行中英文对照实验,利用Word2Vec和GloVe生成外部语义特征向量,并通过CNN模型进行验证;最后在自注意力机制基础上,提出多特征融合的中文疾病名称归一化模型MFCF-CNN,更好地利用全局和局部语义特征。【结果】实验表明,在中文数据集Accuracy@10指标上,MFCF-CNN模型准确率可以达到85.48%,较CNN基础模型提高8.84%。【局限】所构建的数据集规模较小,需要进一步增加数据量以体现模型泛化性。【结论】进一步推动了中文疾病名称归一化研究,为中文医学知识图谱构建和自然语言理解提供帮助。