小说人物的分布表示及其应用研究

小说是以刻画人物为中心,通过完整的故事情节和具体的环境描写反映社会生活的一种文学体裁。对小说人物进行建模,是小说文本理解和小说文本挖掘的基础性工作。该文构建了大规模的小说语料库,抽取人物及其依存特征,提出基于skip-gram的人物向量训练方法,以人物为目标,以依存特征为上下文,基于训练出的人物向量,探索了小说人物相似度计算、小说人物聚类分析及小说人物画像等应用。实验结果表明,小说人物的分布表示有较好的应用效果。     

汉语虚词用法在依存句法分析中的应用研究昝

虚词在现代汉语中占有重要地位,虚词与词序一起构成现代汉语的句法手段,对句法分析有重要的影响。依存句法分析是自然语言处理领域研究的热点,为了提高依存关系的识别效果,该文考虑将虚词用法应用到依存关系的识别过程中。通过对虚词用法的研究,以及对依存句法分析各种依存关系识别情况的分析,发现并列关系与虚词中的连词关系密切。作者在并列关系识别过程中加入连词的用法信息,从而提高了并列关系的识别效果。实验结果表明,包含连词的并列关系的LAS及UAS分别提高了3.43%和2.29%。     

面向机器自动识别的方位词“中”的用法规则研究

构建面向机器的现代汉语方位词知识库(方位词用法机器词典、方位词用法规则库),对于现代汉语方位词用法的自动识别研究具有重要的意义。致力于面向机器的方位词"中"的用法自动识别研究,以《人民日报》2000年1月-6月的语料作为实验数据,通过对其原始规则的自动识别结果的分析,调整和改进了面向机器识别的方位词"中"的规则描述,把方位词"中"的用法识别准确率由12.88%提高到86.35%,使现代汉语方位词用法规则库得到了进一步完善。     

基于搭配表的多极性形容词的褒贬性研究

在基于词典和规则的文本褒贬分析过程中,常常会出现一些多极性的形容词,例如"大"、"小"、"轻"、"重"、"长"、"短"等等。由于此类形容词的褒贬性具有极强的上下文相关性,因此,只能通过上下文搭配关系来确定其褒贬性。通过多种途径从语料中收集与多极性形容词的搭配词,构建搭配词表,解决多极性形容词的褒贬倾向性问题。实验表明,所使用的方法能够提高多极性形容词褒贬性判别的准确率,并进一步提高文本褒贬分类的准确率。     

交通事故的自动判案研究

该文针对法律领域民事案件中的“交通事故”类案件进行研究,期望在该“交通事故”数据集上实现自动判案。从“中国裁判文书网”采集14 000条数据文本,并对数据进行人工标注。基于对数据集的分析,分别对数据进行粗粒度和细粒度分类,粗粒度为4类,细粒度为8类。该文使用了三种模型: 基于SVM的模型、基于BI-GRU的模型和基于Attention+BI-GRU的模型。实验结果表明: 在该数据集上,对数据进行粗粒度分类时,基于Attention+BI-GRU的模型F1值为80.26%,基于SVM的模型为77.24%,基于BI-GRU的模型为72.65%。在细粒度分类时,基于BI-GRU的模型F1值为48.59%,基于SVM的模型为38.29%,基于Attention+BI-GRU的模型为40.87%。     

中文医学知识图谱CMeKG构建初探

医学知识图谱是智慧医疗应用的基石,可以为机器阅读理解医学文本、智能咨询、智能诊断提供知识基础。现有的医学知识图谱从规模化、规范化、体系性、形式化等方面还不足以满足智慧医疗应用的需求。此外,对复杂医学知识的精准描述更是构建医学知识图谱面临的重要挑战。针对上述问题,该文利用自然语言处理与文本挖掘技术,以人机结合的方式研发了中文医学知识图谱第一版CMeKG 1.0(Chinese Medical Knowledge Graph)。CMeKG 1.0的构建参考了ICD-10、ATC、MeSH等权威的国际医学标准术语集以及规模庞大、多源异构的临床路径指南、临床实践、医学百科等资源,覆盖了疾病、药物和诊疗技术,包括100余万个医学概念关系的实例。该文综述了CMeKG 1.0构建过程中的描述体系、关键技术、构建流程以及医学知识描述等相关问题,希望为医学领域知识图谱的构建与应用提供一些参考。     

儿科疾病及保健知识问答系统的构建

儿童健康及疾病诊疗是家庭及社会聚焦的热点,提供准确、有效的信息咨询也是家长和社会的迫切需求。该文以中文医学知识图谱和医学文本为数据来源,以儿科疾病和保健知识为切入点,对多知识来源的自动问答系统进行了研究。系统采用AC自动机(Aho-Corasick automaton)和正则表达式,融合句法结构及关键词特征,对用户输入问题与模板进行匹配,根据模板生成对应的Cypher语句对儿科医学知识图谱及医学文本进行查询和检索,并生成备选答案。采用融合数据来源权威性及匹配度的评分机制对产生的备选答案进行评分,根据评分向用户返回最终答案。系统在某三甲医院投入试用一个月后,根据用户评分反馈,满意度为85.43%。     

中文药品知识库的研究与构建

分类体系完善、药品信息全面的药品知识库能够为临床决策以及临床合理用药提供依据和支持。该文以国内的多个医药资源作为参考和数据来源,建立了药品库知识描述体系和分类体系,对药品进行标准化分类并形成详细的知识描述,构建了多来源的中文药品知识库(Chinese Medicine Knowledge Base,CMKB)。所构建的CMKB的分类包括27种一级类别和119种二级类别,从药品的适应证、用法用量等多个层面对14 141种药品进行描述并采用BiLSTM-CRF和T-BiLSTM-CRF模型将非结构化描述中的疾病实体进行了信息抽取,形成了对药品属性的结构化信息抽取,建立了药品实体与自动抽取的疾病实体之间的知识关联。所构建的CMKB能够与中文医学知识图谱进行连接,扩充药品信息,并能够为智能诊断和医疗问答等提供知识基础。     

中文症状知识库的建立与分析

构建大规模的知识库是人工智能、自然语言理解等领域的基础任务之一。症状作为描述病人的主观感受和诊断疾病的重要依据,更是优化智能导诊、医学问答等任务的重要因素。该文在现有的医学症状知识库研究的基础上,结合症状的概念、特征及在医学诊断中发挥的作用,构建了一个公开的中文症状知识库。该知识库从症状的本体分类、相关疾病、发作部位及多发人群等层面对相关属性进行了详细描述,涵盖了8 772种症状,共计146 631条属性关系。所构建的症状知识库(CSKB)是中文医学知识图谱的重要组成部分,并为KBQA、知识推理及决策支持等应用提供了数据基础。     

面向医疗文本的实体及关系标注平台的构建及应用

医疗文本数据是推行智慧医疗的重要数据基础,而医疗文本为半结构或非结构化数据,难以对其直接进行应用。对医疗文本中所包含的实体及实体关系进行标注是文本结构化的重要手段,也是命名实体识别、关系自动抽取研究的基础。传统的人工标注方法费力费时,已难以适应大数据发展的需求。该文以构建中文医学知识图谱的任务为驱动,构建了半自动化实体及关系标注平台。该平台融合多种算法,能够实现文本预标注、进度控制、质量把控和数据分析等多种功能。利用该平台,进行了医学知识图谱中实体和关系标注,结果表明该平台能够在文本资源建设中控制标注过程,保证标注质量,提高标注效率。同时该平台也被应用于其他文本标注任务,表明该平台具有较好的任务移植性。