一种增强医疗保健社区问答的半监督学习方法：以酗酒为例的案例研究

基于社区的问答 (CQA) 网站在满足健康信息需求方面发挥着重要作用。然而，大量发布的问题仍未得到回答。自动回答发布的问题可以为在线健康社区提供有用的信息来源。在本研究中，我们开发了一种算法，基于历史问答 (QA) 对自动回答健康相关问题。我们还旨在理解嵌入在在线健康内容中的信息，这些信息是识别有效答案的良好特征。我们提出的算法使用信息检索技术从已解决的 QA 中识别候选答案。为了对这些候选答案进行排序，我们实现了一种半监督学习算法，提取问题的最佳答案。我们在来自 Yahoo! Answers 的精选语料库上评估了此方法，并与基于规则的字符串相似度基线进行了比较。在我们的数据集上，半监督学习算法的准确率为 86.2%。模型中使用的基于 UMLS 的（健康相关）特征将算法性能提升了约 8%。考虑到数据相当嘈杂，这一准确率是相当高的。区分有效答案与无效答案的重要特征包括文本长度、测试问题中包含的停用词数量、测试问题与语料库中其他问题之间的距离，以及问题之间重叠的健康相关术语数量。总体而言，根据本案例研究中的数据集，我们基于历史 QA 对的自动问答系统被证明是有效的。它是为医疗保健领域的通用用途而开发的，也可以应用于其他 CQA 网站。