利用可比用户生成内容中的词嵌入构建跨语言消费者健康词汇
计算与语言
2024-04-03 v2 信息检索
摘要
在线健康社区(OHC)是外行人群分享健康信息的主要渠道。为分析来自 OHC 的消费者生成健康内容(HCGC),识别外行使用的口语化医学表达是一项关键挑战。开放获取且协作式的消费者健康词汇(OAC CHV)正是应对该挑战的受控词汇。然而,OAC CHV 仅提供英文版本,限制了其在其他语言上的适用性。本研究提出一种跨语言自动术语识别框架,将英文 CHV 扩展为跨语言版本。我们的框架需要一个英文 HCGC 语料库和一个非英文(本研究中为中文)HCGC 语料库作为输入。使用 skip-gram 算法确定两个单语词向量空间,使每个空间编码一种语言内外行人群的常用词语关联。基于等距假设,框架将两个单语空间对齐为双语词向量空间,并采用余弦相似度作为跨语言语义相似词识别的度量。实验结果表明,我们的框架在跨语言 CHV 识别上优于其他两个大语言模型。我们的框架仅需原始 HCGC 语料库和有限规模的医学翻译,减少了编纂跨语言 CHV 的人力投入。
引用
@article{arxiv.2206.11612,
title = {Constructing Cross-lingual Consumer Health Vocabulary with Word-Embedding from Comparable User Generated Content},
author = {Chia-Hsuan Chang and Lei Wang and Christopher C. Yang},
journal= {arXiv preprint arXiv:2206.11612},
year = {2024}
}
备注
accepted in the IEEE International Conference on Healthcare Informatics (IEEE ICHI 2024)