-
题名医学知识组织体系发展现状及研究重点
被引量：6
- 1
-
-
作者
李丹亚
李军莲
李晓瑛
夏光辉
胡铁军
-
机构
中国医学科学院医学信息研究所
-
出处
《数字图书馆论坛》
2012年第12期12-20,共9页
-
基金
本文系国家“十二五”科技支撑计划课题“面向外文科技文献的超级科技词表和本体建设”（编号：2011BAH10B01）子任务的研究成果之一.致谢本研究得到了侯丽、孙海霞、冀玉静、陈颖、李芳、钱庆等同志的参与支持,在此表示感谢.
-
文摘
文章基于对200多部活动的医学术语表、分类表、叙词表、本体及一体化语言系统的研究和分析，归纳总结了生物医学领域知识组织体系的发展现状。重点对主流医学知识组织体系MeSH、SNOMEDCT、UMLs的构建模式进行剖析，对有代表性的标准化医学术语集及医学领域本体项目进行梳理。最后就医学知识组织体系的研究重点及推进我国医学领域知识组织体系建设进行简要论述。
-
关键词
医学知识组织体系
构建模式
医学术语标准化
医学领域本体
UMLS
SNOMED
CT
MESH
-
Keywords
Medical knowledge organization systems, Conslruction model, Biomedical terminology standardization, Medical ontologies, UMLS, SNOMED CT,MeSH
-
分类号
G203
[文化科学—传播学]
-
-
题名基于RoBERTa和T5的两阶段医学术语标准化
- 2
-
-
作者
周景
崔灿灿
王梦迪
王泽敏
-
机构
华北电力大学控制与计算机工程学院
北京中科睿见科技有限公司
-
出处
《计算机系统应用》
2024年第1期280-288,共9页
-
文摘
医学术语标准化作为消除实体歧义性的重要手段,被广泛应用于知识图谱的构建过程之中.针对医学领域涉及大量的专业术语和复杂的表述方式,传统匹配模型往往难以达到较高的准确率的问题,提出语义召回加精准排序的两阶段模型来提升医学术语标准化效果.首先在语义召回阶段基于改进的有监督对比学习和RoBERTa-wwm提出语义表征模型CL-BERT,通过CL-BERT生成实体的语义表征向量,根据向量之间的余弦相似度进行召回并得到标准词候选集,其次在精准排序阶段使用T5结合prompt tuning构建语义精准匹配模型,并将FGM对抗训练应用到模型训练中,然后使用精准匹配模型对原词和标准词候选集分别进行精准排序得到最终标准词.采用ccks2019公开数据集进行实验,F1值达到了0.9206,实验结果表明所提出的两阶段模型具有较高的性能,为实现医学术语标准化提供了新思路.
-
关键词
医学术语标准化
RoBERTa-wwm
对比学习
T5
prompt
tuning
知识图谱
-
Keywords
medical terminology standardization
RoBERTa-wwm
contrastive learning
T5
prompt tuning
knowledge graph
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
