半监督学习下医疗术语信息关键词模糊检索算法OA
医疗领域术语具有强异构性,且标注数据稀缺,导致语义特征表达较弱,进而使检索精度较低,为此,提出了半监督学习下医疗术语信息关键词模糊检索算法。利用词向量对原始医疗术语信息进行标准化处理与映射,基于核心元数据信息节点和用户查询信息节点,确定检索样本之间的置信度距离,结合向量空间模型构建医疗术语信息元数据特征空间。在元数据特征空间内,依据元数据的时间属性,对各类数据进行合并处理,以此同步数据索引,并结合多级索引集群与上下文编码增强语义特征。引入基于一致性正则化与熵最小化原则的MixMatch半监督学习算法,利用少量标注数据对无标签数据进行数据增强,从而生成无标签数据的低熵伪标签,增强语义特征表达,并计算检索词与候选信息的相似度,实现跨类别或近义术语的高效匹配。实验结果表明,应用设计的方法进行医疗术语信息关键词检索,输出的检索结果与输入关键词适配度高于95%,可以提高信息检索的精度。
朱越石;郭凌辉
江苏省人民医院信息处,南京210029河南大学人工智能学院,郑州450046
信息技术与安全科学
半监督学习医疗术语路径信息关键词模糊检索
《吉林大学学报(信息科学版)》 2026 (4)
P.889-895,7
江苏省社科应用研究精品工程重点基金资助项目(25SYA-025)。
评论