期刊论文

Collaborative Tagging for Doctors in Online Medical Community

Huixiang, X.

中文

数据分析与知识发现

2096-3467

2020

4

6

118-128

10.11925/infotech.2096-3467.2019.1156

华中师范大学中央高校基本科研业务费（人文社会科学类）重大项目“基于语义网的在线健康信息的挖掘与推荐研究”（项目编号：CCNU19Z02004）； 华中师范大学优秀博士学位论文培育计划项目（项目编号：2019YBZZ096）的研究成果之一；

本校为第一机构

【目的】通过挖掘文本特征寻找某医生的相似医生,以相似医生的特征为基础对医生进行标注,丰富对医生特征的描述。【方法】利用Word2Vec词向量模型对医生的咨询文本、文章标题与咨询范围进行向量表示,在此基础上挖掘相似医生;进而分析挖掘的相似医生的特征,对标注的目标医生进行协同标注。【结果】基于咨询文本、文章标题与咨询范围的医生标注结果,准确率分别为0.667、0.252与0.708,混合不同文本进行标注的准确率为1.000。【局限】对文本语义特征的挖掘不够深入,以单一文本进行标注的准确率与召回率有待提高。【结论】基于咨询文本产生的标签与患者即时需求较为紧密,基于文章标题产生的标签与医生...

[Objective] This paper tries to find similar doctors and improve the descriptions of their characteristics. [Methods] We generated vector representation for each doctor’s consulting texts, article titles and service scopes with the Word2Vec model, which helped us identify similar doctors. Then, we analyzed their common characteristics and collaboratively tag these doctors. [Results] The accuracy of tagging results based on doctor’s consulting texts, article titles and services were 0. 667, 0. 252 and 0. 708, respectively. The accuracy of tagg...