[1]易法令,孙晓翠,陈珊珊.基于LTP的糖尿病智能问答系统的研究与实现[J].南京师范大学学报(工程技术版),2023,23(03):060-66.[doi:10.3969/j.issn.1672-1292.2023.03.008]
　Yi Faling,Sun Xiaocui,Chen Shanshan.Research and Implementation of Diabetes Intelligent Question Answering System Based on LTP[J].Journal of Nanjing Normal University(Engineering and Technology),2023,23(03):060-66.[doi:10.3969/j.issn.1672-1292.2023.03.008]
点击复制

基于LTP的糖尿病智能问答系统的研究与实现
分享到：

南京师范大学学报（工程技术版）[ISSN:1006-6977/CN:61-1281/TN]

卷:
23卷
期数:
2023年03期
页码:
060-66
栏目:
计算机科学与技术
出版日期:
2023-09-15

文章信息/Info

Title:
Research and Implementation of Diabetes Intelligent Question Answering System Based on LTP
文章编号:
1672-1292(2023)03-0060-07
作者:
易法令1; 2; 孙晓翠1; 2; 陈珊珊1
(1.广东药科大学医药信息工程学院,广东 广州 510006)
(2.广东普通高校工程技术研究中心-医药信息真实世界工程技术研究中心,广东 广州 510006)
Author(s):
Yi Faling1; 2; Sun Xiaocui1; 2; Chen Shanshan1
(1.College of Medical Information Engineering, Guangdong Pharmaceutical University, Guangzhou 510006, China)
(2.Engineering and Technology Research Center of Guangdong Universities-Real World Engineering and Technology Research Center of Medical Information, Guangzhou 510006, China)
关键词:
糖尿病; 知识图谱; 问答系统; 语义关键词; LTP; 自然语言处理
Keywords:
diabetes;  knowledge graph;  Q&A system;  semantic keywords;  LTP;  natural language processing
分类号:
TP391
DOI:
10.3969/j.issn.1672-1292.2023.03.008
文献标志码:
A
摘要:
广泛收集健康网站用户实际提出的糖尿病相关问题,以LTP自然语言处理平台为基础对问句进行综合分析,建立糖尿病基本诊疗、指标、用药、饮食、保健品、预防及疑问(判断)词汇等方面的分类词典. 应用词语匹配、依存句法分析、相关词语组合分析等方法进行语义关键词提取. 在此基础上进行问题分类理解,同时结合问题分类及相关的决策树构建糖尿病的相关知识图谱及问题的判断流程,实现了问题与回答的有效匹配. 系统实际问答测试结果是识别率为91.3%、准确率为83.6%.
Abstract:
Through extensive collection of diabetes related questions actually raised by users on health websites, and comprehensive analysis of questions based on LTP natural language processing platform, build a classification dictionary of basic diagnosis and treatment, indicators, medication, diet, health care products, prevention and question(judgment)vocabulary of diabetes. The semantic keywords are extracted by word matching, dependency syntax analysis, and related word combination analysis. On this basis, the problem classification is carried out. At the same time, combined with the problem classification and the related decision tree, the knowledge graph of diabetes and the judgment process of the problem are constructed, which realizes the effective matching of questions and answers. The actual question and answer test results of the system show that the recognition rate is 91.3% and the accuracy rate is 83.6%.

参考文献/References:

[1]中华医学会糖尿病学分会. 中国2型糖尿病防治指南(2020 年版)[J]. 中华内分泌代谢杂志,2021,37(4):315-409.
[2]何延,张宁. 智能医疗问答系统的设计与实现[J]. 中国医疗设备,2021,36(9):100-103,108.
[3]庄莉,苏江文,卢伟龙,等. 专业领域智能问答系统设计及应用[J]. 电子技术与软件工程,2022(4):210-213.
[4]刘佳,王路路. 标准化服务智能问答系统研究[J]. 信息技术与标准化,2022(10):88-92.
[5]侯梦薇,卫荣,陆亮,等. 知识图谱研究综述及其在医疗领域的应用[J]. 计算机研究与发展,2018,55(12):2587-2599.
[6]谭威,刘成良. 基于知识图谱和模型融合的医疗问答系统的构建[J]. 中华医学图书情报杂志,2021,30(11):1-9.
[7]贾丽娜,陈恒,李冠宇. 基于注意力混合模型的中文医疗问答匹配[J]. 计算机应用与软件,2021,38(11):148-154.
[8]吴丹,周作建. 基于知识图谱的心血管疾病智能问答系统[J]. 软件导刊,2022,21(3):160-164.
[9]洪海蓝,李文林,杨涛,等. 基于知识图谱的海洋中药智能问答系统的设计与实现[J/OL]. 世界科学技术-中医药现代化[2023-07-15]. https://kns.cnki.net/kcms/detail//11.5699.r.20230112.1159.003.html.
[10]吴宗友,白昆龙,杨林蕊,等,电子病历文本挖掘研究综述[J]. 计算机研究与发展,2021,58(3):513-527.
[11]郑捷. NLP汉语自然语言处理原理与实践[M]. 北京:电子工业出版社,2017.
[12]KONG Z,YUE C X,SHI Y,et al. Entity extraction of electrical equipment malfunction text by hybrid NLP algorithm[J]. IEEE Access,2021(9):40216-40226.

相似文献/References:

[1]周 烨,徐向英,章永龙,等.基于FastBert的水稻病虫害实体关系抽取研究[J].南京师范大学学报(工程技术版),2023,23(01):033.[doi:10.3969/j.issn.1672-1292.2023.01.005]
　Zhou Ye,Xu Xiangying,Zhang Yonglong,et al.Relationship Extraction of Entities About Rice Diseases and Insect Pests Based on FastBert[J].Journal of Nanjing Normal University(Engineering and Technology),2023,23(03):033.[doi:10.3969/j.issn.1672-1292.2023.01.005]

备注/Memo

备注/Memo:
收稿日期:2023-04-24.
基金项目:广州市基础研究计划基础与应用基础研究项目(202102080300).
通讯作者:易法令,博士,教授,研究方向:人工智能、健康信息管理等. E-mail:flyi@gdpu.edu.cn
更新日期/Last Update: 2023-09-15