针对健康问题的定制POS标签

Question

我是NLP的新手，我有一堆原始数据，在所有的医学问题上都没有标注，我需要从这些问题中提取出哪些健康问题。

我在想，我需要为NER创建两个定制POS标记：

-the在身体上的位置

-the问题本身

因此，如果有人问“我的头疼”，它会明白位置是头部，问题是它疼，但如果有人问‘我的皮肤在我的腹部周围红色’，它就会明白位置是腹部，问题是皮肤是红色的。

在提取这些数据之后，我需要根据用户要求的内容推荐医学文章。

我有一些问题：

1.我是否走在正确的道路上？

2.你将如何实施？

3.对于位置和健康问题，我是否需要一个自定义的pos标签，还是可以更容易地完成？你怎么提取这些信息的？

4.我想我必须手动标记问题，对吗？

5.你将采用什么框架？

6.要建立推荐系统，我需要从医学文章中提取同样的信息？

7.您将如何创建推荐系统？

正如我说的，我对NLP还不熟悉，我还没有决定框架，但问题不是英语，但是我在github上发现了一个WordNet克隆和一个命名的实体语料库，所以在推荐框架时请记住。

Answer 1

几点意见：

• 术语"POS“(词性的一部分)具有”语法范畴“的特殊含义，所以这里你的意思并不是这样，你应该说”自定义实体标签/类别/标签“。
• 您的计划是有意义的，但是请注意，您正在解决一个非常困难的问题，所以即使有一个非常好的数据集和方法，它也不会完美地工作(可能还远没有完成)。
• 您可能需要大量带注释的数据才能工作，因为有许多不同的方法来表达医疗问题，因此模型需要许多示例来提取相关的模式。
• 当有语言的术语资源时，解决这类问题的标准方法有点不同:医学术语可以通过模式匹配直接注释。如果您有这样的资源，并且它们已经足够完整，这就省去了手动注释和训练自定义模型的需要。
• 在此基础上创建推荐系统是第二个问题，我认为您需要仔细考虑目标：
  • 如果它被非专家使用，推荐研究文章是没有意义的。
  • 绝大多数的研究文献都是用英语发表的，所以这里还有一个额外的问题要解决。
  • 如果您正在考虑整个医学文献，您可能会有一个复杂的问题，因为它是巨大的(PubMed包含大约3000万个摘要，而这没有考虑到PMC全文)
  • 提出建议的依据是什么？它是否仅基于查询中的术语与文档的匹配？