适配基于短语的机器翻译以规范化社交媒体消息中的医学术语
计算与语言
2015-08-11 v1
摘要
先前的研究表明，社交媒体中的健康报告（如 DailyStrength 和 Twitter）具有监测特定社区健康状况（例如药物不良反应、传染病）的潜力。然而，为了让机器能够理解并对这些健康状况进行推理，需要具备识别外行术语何时指代特定医学概念（即文本规范化）的能力。为实现这一目标，我们提出适配现有的基于短语的机器翻译（MT）技术与词向量表示，以在社交媒体短语与医学概念之间建立映射。我们使用一组与药物不良反应相关的推文短语对所提方法进行了评估。实验结果表明，基于短语的 MT 技术与词向量表示相似性的结合，其性能比仅使用其中之一的基线方法高出达 55%。
引用
@article{arxiv.1508.02285,
title = {Adapting Phrase-based Machine Translation to Normalise Medical Terms in Social Media Messages},
author = {Nut Limsopatham and Nigel Collier},
journal= {arXiv preprint arXiv:1508.02285},
year = {2015}
}