面向循證醫(yī)學(xué)的多文檔自動(dòng)文摘技術(shù)研究.pdf

1、隨著網(wǎng)絡(luò)技術(shù)的迅速發(fā)展和循證醫(yī)學(xué)網(wǎng)絡(luò)文獻(xiàn)的爆炸式增長(zhǎng)，從海量醫(yī)學(xué)數(shù)據(jù)中快速獲取有價(jià)值信息的迫切需求促進(jìn)了自動(dòng)文摘技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用與研究。
　　 本文在對(duì)循證醫(yī)學(xué)和自動(dòng)文摘技術(shù)進(jìn)行大量研究之后，提出了一種結(jié)合循證醫(yī)學(xué)領(lǐng)域知識(shí)、文本的淺層特征和語(yǔ)義特征的多文檔自動(dòng)文摘方法，設(shè)計(jì)并實(shí)現(xiàn)了一個(gè)面向循證醫(yī)學(xué)的多文檔自動(dòng)文摘原型系統(tǒng)EBM MDS(Evidence-BasedMedicine Multi-Document Summari

2、zation)。該系統(tǒng)分為文檔預(yù)處理、特征選擇、句子抽取、冗余消除與文摘句重排序模塊。本文研究的關(guān)鍵技術(shù)包括：
　　 (1)針對(duì)一詞多義和多詞同義問(wèn)題，提出了結(jié)合醫(yī)學(xué)主題詞表MeSH和語(yǔ)義詞典WordNet的語(yǔ)義消歧和同義詞合并算法，這種方法可以有效提高特征詞條的識(shí)別準(zhǔn)確率。
　　 (2)在句子抽取模塊，提出了兩種句子抽取算法：一種是綜合考慮詞頻、位置、線索詞、指示詞、句子實(shí)詞密度等淺層特征的句子抽取算法，一種是結(jié)合語(yǔ)義

3、特征的句子抽取算法。其中句子實(shí)詞密度(density)可以消除句子長(zhǎng)度對(duì)句子權(quán)重的影響。
　　 (3)對(duì)于冗余信息，結(jié)合簡(jiǎn)化的MMR-MD算法和基于語(yǔ)義的句子相似度算法來(lái)降低冗余度。
　　 (4)為了增強(qiáng)文摘的連貫性和可讀性，提出了一種基于不同優(yōu)先級(jí)特征的文摘句排序策略，優(yōu)先級(jí)由高至低為：文摘句的時(shí)間戳信息、文摘句在原文中的位置比例、文摘句所在文獻(xiàn)的證據(jù)等級(jí)。
　　 (5)在系統(tǒng)評(píng)測(cè)部分，除了采用自動(dòng)文摘領(lǐng)域通用