收稿日期：２０２３－０５－２０基金项目：２０２２广州社会科学基金项目“双循环新发展格局下粤港澳大湾区社会保障高效协同研究”（项目编号：１００００－４２２２０４０２）；２０２３广州市哲学社会科学发展“十四五”规划项目“健康中国背景下面向互联网医疗大数据的抑郁症风险预测研究”（项目编号：２０２３ＧＺＧＪ２５９）。作者简介：聂卉（１９７１－），女，副教授，研究方向：自然语言处理，文本挖掘，智能数据分析。吴晓燕（１９９７－），女，硕士研究生，研究方向：医疗文本分析，数据挖掘。·数据分析与大数据挖掘·基于在线医疗咨询文本的抑郁症症状短语的自动识别聂卉吴晓燕（中山大学信息管理学院，广东广州５１０００６）摘要：［目的／意义］利用在线医疗咨询文本探索抑郁症症状的自动抽取方法，推进健康大数据的深层次应用。［方法／过程］以在线问诊平台“好大夫在线”的患者问诊记录为语料，选择无监督机器学习法，运用短语识别和深度学习语义建模技术实现抑郁症症状的快速提取。算法通过了测试语料的评估，并在抑郁症典型症状分析和抑郁症人群预测两个任务中得以检验。［结果／结论］运用本文算法识别抑郁症症状短语的准确率为７３８５％，模型表现优良。用该方法分析抑郁症患者的典型表现，结论与心理学临床检验结果一致，抑郁症人群预测的精准度则可以达到７８８１％。对于３个症状短语的分布表示模型，具备深层次语义表达能力Ｓｅｎｔｅｎｃｅ－ＢＥＲＴ表现最好，说明强化短语的语义表达，运用无监督机器学习方法能够实现疾病症状的快速提取，有效提升大规模文本信息的处理能力。关键词：在线医疗咨询文本；抑郁症；语义建模；短语识别ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００８－０８２１．２０２３．０９．００６〔中图分类号〕Ｇ２０２；ＴＰ３９１〔文献标识码〕Ａ〔文章编号〕１００８－０８２１（２０２３）０９－００６３－１１ＡｕｔｏｍａｔｉｃＩｄｅｎｔｉｆｙｉｎｇｔｈｅＤｅｐｒｅｓｓｉｏｎＳｙｍｐｔｏｍｓｆｒｏｍＯｎｌｉｎｅＭｅｄｉｃａｌＣｏｎｓｕｌｔａｔｉｏｎＴｅｘｔＮｉｅＨｕｉＷｕＸｉａｏｙａｎ（ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＭａｎａｇｅｍｅｎｔ，ＳｕｎＹａｔ－ＳｅｎＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：［Ｐｕｒｐｏｓｅ／Ｓｉｇｎｉｆｉｃａｎｃｅ］Ｔｈｉｓｓｔｕｄｙｅｘｐｌｏｒｅｓｈｏｗｔｏｉｄ...
