面向醫(yī)療領(lǐng)域的垂直搜索引擎的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)的飛速發(fā)展,網(wǎng)絡(luò)數(shù)據(jù)呈現(xiàn)指數(shù)式增長(zhǎng),傳統(tǒng)的搜索引擎已經(jīng)無法滿足人們對(duì)于某些專業(yè)領(lǐng)域內(nèi)信息的需求,垂直搜索引擎應(yīng)運(yùn)而生。垂直搜索引擎能夠?qū)ヂ?lián)網(wǎng)上特定主題的信息進(jìn)行處理,具有“專、精、深”的特點(diǎn),能很好的滿足用戶對(duì)特定領(lǐng)域內(nèi)信息的需求。
　　本文設(shè)計(jì)和實(shí)現(xiàn)了一個(gè)面向醫(yī)療領(lǐng)域的垂直搜索引擎,結(jié)合面向醫(yī)療領(lǐng)域的垂直搜索引擎的特點(diǎn)和功能需求,主要完成了以下五個(gè)方面的內(nèi)容:第一,文本信息抽取,主要采用基于模式匹配的方法,經(jīng)過人工觀

2、測(cè)大量醫(yī)療文本,根據(jù)所要抽取的內(nèi)容,獲取大量抽取模板,完成對(duì)醫(yī)療文本信息的抽取,實(shí)現(xiàn)對(duì)醫(yī)療文本信息的格式化轉(zhuǎn)換。第二,問答對(duì)處理,使用基于DOM樹的問答對(duì)識(shí)別技術(shù)實(shí)現(xiàn)對(duì)問答對(duì)提取,運(yùn)用句子間相似度算法,將問題所對(duì)應(yīng)的多個(gè)答案進(jìn)行合并整理。第三,全文索引,主要運(yùn)用開源搜索引擎Lucene的索引技術(shù),對(duì)文本內(nèi)容建立倒排索引,增加系統(tǒng)的信息量,彌補(bǔ)信息抽取技術(shù)存在的不足。第四,問句處理技術(shù),主要運(yùn)用問句關(guān)鍵詞擴(kuò)展技術(shù),對(duì)問句當(dāng)中的關(guān)鍵詞進(jìn)行擴(kuò)

3、展;運(yùn)用問句分析技術(shù),對(duì)用戶輸入的問句進(jìn)行分類,使信息檢索的答案更加精確。第五,答案整合,運(yùn)用MMR模型和多文檔自動(dòng)文摘方面的有關(guān)知識(shí),對(duì)系統(tǒng)返回的答案進(jìn)行整理合并,使答案更加符合用戶要求。
　　在面向醫(yī)療領(lǐng)域的垂直搜索引擎系統(tǒng)中,使用文本信息抽取技術(shù),能充分利用和挖掘文本信息所包含的內(nèi)容,實(shí)現(xiàn)對(duì)信息的精確分析和處理;運(yùn)用問答對(duì)處理技術(shù),能夠使系統(tǒng)能返回的答案更準(zhǔn)確,更可靠;問句處理技術(shù)能夠使系統(tǒng)返回的答案更準(zhǔn)確。上述技術(shù)可以廣泛