基于句法分析和問題分類的醫(yī)院導(dǎo)醫(yī)信息問答系統(tǒng)的研究

葉輝　曹東

摘 要：本文主要研究是基于醫(yī)院導(dǎo)醫(yī)業(yè)務(wù)限定領(lǐng)域知識的問答系統(tǒng)，首先通過中文分詞技術(shù)、中文信息抽取技術(shù)對用戶提出的問題進行分詞和詞性分析，并對其問題文本進行句法依存分析，定出其疑問詞和關(guān)鍵字，最后定出句子焦點詞。本文采取了關(guān)鍵字和焦點詞匹配的方法檢索出答案，并按照醫(yī)院業(yè)務(wù)流程和特點，設(shè)計了一個醫(yī)院導(dǎo)醫(yī)知識規(guī)則庫，通過疑問詞和關(guān)鍵字定位出相關(guān)問題類別，再通過關(guān)鍵字模糊匹配的方法選擇觸發(fā)相關(guān)的HIS數(shù)據(jù)檢索，再返回用戶該問題的檢索結(jié)果。

關(guān)鍵詞：醫(yī)院導(dǎo)醫(yī)信息；問答系統(tǒng)；句法分析；問題分類

基金項目：2014廣東省中醫(yī)藥局建設(shè)中醫(yī)藥強省科研課題（20141073），廣東財政專項“重大疾病中醫(yī)藥防治臨床科研信息一體化平臺建設(shè)”

1 引言

隨著醫(yī)療和信息技術(shù)的發(fā)展，醫(yī)院面臨著導(dǎo)醫(yī)醫(yī)療信息服務(wù)人手不夠，用戶對醫(yī)院服務(wù)不滿意等問題。而在網(wǎng)絡(luò)上的醫(yī)療信息呈現(xiàn)幾何式增長，病人難于通過搜索引擎從紛繁復(fù)雜的信息當中高效準確的獲取需要的醫(yī)療信息。因此本文研究一種能針對醫(yī)院導(dǎo)醫(yī)信息的智能問答系統(tǒng)，運用自然語言處理技術(shù)對用戶的問題進行處理，并結(jié)合醫(yī)療規(guī)則庫的方式回復(fù)用戶的問題。，因此研究一種針對醫(yī)院診療信息的自動問答系統(tǒng)具有很強的實際意義。近年來，自然語言處理的研究取得了長足的進步，為問答系統(tǒng)的實現(xiàn)提供了理論基礎(chǔ)。自然語言的研究在詞性標注、語義分析、句法分析、信息抽取等方面都取得了不錯的成績，各種信息檢索的方法也層出不窮，從而促進了自動問答系統(tǒng)的研究。

本文研究的是限定醫(yī)院醫(yī)療診療信息領(lǐng)域的自動問答系統(tǒng)。原理采用自然語言技術(shù)對用戶提問文本進行中文分詞、詞性分析、中文信息抽取、關(guān)鍵字排序、句法依存分析提取等處理，然后按照提取的關(guān)鍵字匹配已有醫(yī)療信息知識庫的關(guān)鍵字，然后配合問題句法設(shè)計一個問題分類表，按照提取的關(guān)鍵字進行問題分類匹配問題類型，從而從知識庫中確定出一條最合適用戶提問的答案。

2 系統(tǒng)總體設(shè)計

系統(tǒng)主要采用用戶層、業(yè)務(wù)層、數(shù)據(jù)層三層架構(gòu)，見圖1，這樣做的優(yōu)勢在于如果將來自然語言處理的發(fā)展更完善，能設(shè)計出更高效的算法，也不必改動用戶層和數(shù)據(jù)層，只需要改動業(yè)務(wù)層即可。在數(shù)據(jù)層方面，近年來，各大醫(yī)院都有自己一套成熟的醫(yī)院信息管理系統(tǒng)，為了能最高效率地使用原有的HIS數(shù)據(jù)，問答系統(tǒng)的數(shù)據(jù)知識庫以原有的HIS數(shù)據(jù)庫為基礎(chǔ)實現(xiàn)數(shù)據(jù)共享，通過HL7標準或XML進行接口數(shù)據(jù)的處理，免去將HIS數(shù)據(jù)導(dǎo)入到問答系統(tǒng)時帶來數(shù)據(jù)同步的問題。

3 用戶問題的理解

用戶問題理解是本系統(tǒng)一個核心的處理某塊，基本思路如下：

首先系統(tǒng)針對用戶提問，有兩個要求，一是一句話提問一個信息，二是提問文字個數(shù)不超過30個字，在輸入端對用戶提問先有一個預(yù)設(shè)框架，以免由于用戶的隨意性增加文本分析難度。

對句子進行中文分詞處理。在英語當中，有類似空格之類的符號作為詞語的分界線，而漢語是表意文字，詞是最小的能夠獨立活動的有意義的語言成分，詞語之間是沒有明顯的分界標記的，所以分詞是中文問答系統(tǒng)中問題分析的基礎(chǔ)。系統(tǒng)采用中科院ICTCLAS分詞系統(tǒng)結(jié)合我們的醫(yī)療信息詞匯詞典進行加強分詞，增加ICTCLAS對醫(yī)院內(nèi)部未登陸詞匯的分詞準確性。

其次對文本進行詞性分析，然后進行過濾停用詞的處理，所謂停用詞是指那些對那些文本主題不具備表達能力的，或者表達能力可以忽略的詞[1]，如助詞、標點符號、連詞、語氣詞、擬聲詞等，這些我們都進行去除處理。如”請問內(nèi)科在幾樓呢？”這句話進行分詞和詞性分析后的結(jié)果是 “請問/v內(nèi)科/n在/p幾/m樓/n呢/y？/ww”，此時去掉無用詞”呢”和”？”

3.1 句法分析抽取關(guān)鍵字

關(guān)鍵字代表了語句的主題含義，抽取關(guān)鍵字對理解語句的語義是至關(guān)重要的，它將會影響到后面答案的檢索。關(guān)鍵字主要由名詞、動詞、形容詞等組成，實際的應(yīng)用中我們主要把過濾無關(guān)詞后剩下的大部分詞作為關(guān)鍵字。本文主要采用交叉信息熵計算每個候選詞的上下文條件熵來獲取關(guān)鍵字及其權(quán)重，但由于診療信息的特殊性，我們把代詞和介詞的權(quán)重提高一些。按照上述的關(guān)鍵字計算規(guī)則，如提問為“請問婦科在哪里？”這句話提取的關(guān)鍵字按權(quán)重Top2大小輸出分別為：“婦科”/“請問”

問句的依存句法分析能更直觀清楚地獲取語言單位內(nèi)成分之間的依存關(guān)系并揭示其句法結(jié)構(gòu)，像針對醫(yī)院導(dǎo)醫(yī)系統(tǒng)的問題來說，主要關(guān)注是SBV和POB主謂關(guān)系和介賓關(guān)系，本文通過哈工大LTP的依存句法分析器分析出問題文本的依存句法，結(jié)合之前的提取的關(guān)鍵字“婦科”，聯(lián)系SBV和POB提取出“在”和“哪里”這些謂詞和賓語，，而“哪里”根據(jù)詞性標注結(jié)果被提取成為句子疑問詞關(guān)鍵字，然后抽取出謂語，通常距離疑問詞最近的原則來抽取謂語[2]。

本系統(tǒng)采用的分類方法是基于句法分析結(jié)合規(guī)則的問題分類方法，它是一種基于疑問句和問題焦點相結(jié)合的方法。在提取用戶問題的關(guān)鍵字后，按照關(guān)鍵字的權(quán)重大小依次對用戶問題的關(guān)鍵字和問題類型表中的疑問詞關(guān)鍵字進行相似性匹配，只要含有其中一個關(guān)鍵字或意思相近，即可使用該問題類型。下一步就要決定出用戶問題的焦點所在。問題焦點就是問題中說明問題只要內(nèi)容的一個名詞或名詞性短語。一般情況下，一個名詞或名詞短語是問題焦點的可能性比較大。首先，提取問句中的所有名詞，然后根據(jù)名詞在疑問句中的位置進行判斷，經(jīng)過研究統(tǒng)計可以得到以下判斷規(guī)則：

（1）疑問詞后緊跟著名詞或短語，那么該名詞或名詞短語可能是問題的焦點。

（2）疑問詞處于句子的末尾，那么距離疑問詞最近的名詞或名詞短語可能是問題的焦點。

（3）疑問句后面跟著動詞，那么句子最后出現(xiàn)的名詞或名詞短語可能是問題的焦點。

根據(jù)這個規(guī)則結(jié)合詞法分析的語法依存分析，我們開發(fā)出算法對用戶問題分詞后的焦點詞進行提取，例如：“請問婦科在哪？”，關(guān)鍵字的焦點主要是“婦科”，因此我們再把焦點詞進行一次檢索比較。

4 問答的實現(xiàn)

4.1 問題分類

本文采取問題分類的方法來定位相關(guān)的答案輸出。問題分類是問答系統(tǒng)中重要的組成部分，問題分類結(jié)果的好壞直接影響問答系統(tǒng)的質(zhì)量[3]。問題分類是根據(jù)中文信息抽取技術(shù)中的命名實體識別判斷出問題屬于哪一個類型。問題分類可以有效的減少候選答案的數(shù)量，提高答案的準確率。準確的問題分類有助于在問題抽取時根據(jù)不同類別的問題采用不同的答案抽取方法。結(jié)合醫(yī)院導(dǎo)醫(yī)領(lǐng)域的實際情況和中文問題的特征，我們以疑問詞作為分類關(guān)鍵字，這些詞匯對詢問的內(nèi)容的范圍有很大幫助，這些詞帶有明顯的分類特征[4]。以下定義了幾種基本的問題類型，如表3-1所示。而疑問詞和關(guān)鍵字的獲取則依靠上一節(jié)描述的句法分析方法來提取。

4.2 醫(yī)導(dǎo)答案規(guī)則數(shù)據(jù)庫的搭建

本系統(tǒng)要構(gòu)建的醫(yī)導(dǎo)答案知識庫屬于限定領(lǐng)域知識庫的范疇，構(gòu)建知識庫是為了使無序的內(nèi)容變得有序，一個完備的知識庫能夠大大提高系統(tǒng)搜索答案的效率和準確率，但本系統(tǒng)為了快速顯示答案，將不使用完整的自然語言輸出，只考慮直接輸出查詢結(jié)果或答案，并不做過多的語法修飾。如果要完整的自然語言重構(gòu)輸出，可采用問題-答案模板的形式來出來，或者使用問題-答案相似度計算來進行模擬答案以自然語言的方式輸出處理。數(shù)據(jù)字段設(shè)計如下：

如用戶輸入”請問婦科在哪里？”，系統(tǒng)分詞處理后“婦科”是第一關(guān)鍵詞，然后通過句法依存分析提取出關(guān)鍵字所在句法結(jié)構(gòu)中和她聯(lián)系密切的句法，然后提取出相關(guān)的疑問詞和謂語詞分別是“在/哪里”，在系統(tǒng)數(shù)據(jù)庫中找到匹配的相關(guān)疑問詞或關(guān)鍵字，找出對應(yīng)的問句類型，然后根據(jù)問題焦點詞 “婦科”進行二次匹配，如果找出相應(yīng)的匹配詞匯或近似匹配，就代表匹配成功，找出數(shù)據(jù)表對應(yīng)的類型字段type是“地點”，然后按照Type=”地點”找出answer對應(yīng)的字段里的預(yù)設(shè)好觸發(fā)SQL處理過程腳本代碼，如anwser對應(yīng)的是SQL查詢記錄返回address，則此時系統(tǒng)會去HIS后臺，通過address 字段讀取相關(guān)婦科的地址在哪里，然后將答案返回給用戶。如果所有關(guān)鍵字按照順序，在問題分類和焦點詞里面都無法找到，就返回一個找不到答案的警告給用戶。

5 總結(jié)

本文先通過中文分詞將用戶提問進行分解，并提取出關(guān)鍵字和權(quán)重，然后利用句法依存分析器分析相關(guān)語句和主謂結(jié)構(gòu)的謂語短語與關(guān)鍵字，找出疑問詞。然后通過和數(shù)據(jù)庫的疑問詞匹配分析，定位答案回答的類型，然后通過關(guān)鍵字分析和焦點分析的結(jié)果，找到焦點為相關(guān)詞匯的數(shù)據(jù)記錄，最后答案由SQL語句進行遠程HIS醫(yī)院系統(tǒng)的查詢操作，返回給用戶界面。

參考文獻

[1]謝晉. 基于詞跨度的中文文本關(guān)鍵詞提取及在文本分類中的應(yīng)用[D]. 浙江工業(yè)大學， 2011.

[2]孫昂；江銘虎；賀一帆；陳林；袁保宗；；基于句法分析和答案分類的中文問答系統(tǒng)[J]《電子學報》 2008年05期

[3]文勖， 張宇， 劉挺，等. 基于句法結(jié)構(gòu)分析的中文問題分類[J]. 中文信息學報， 2006， 20（2）：33-39.

[4]張亮；王樹梅；黃河燕；；面向中文問答系統(tǒng)的問句句法分析；山東大學學報；第41卷第3期；2006年6月.

作者簡介

葉輝，男，廣州中醫(yī)藥大學醫(yī)學信息工程學院，講師，主要研究方向：醫(yī)學信息學。

曹東，通訊作者，男，廣州中醫(yī)藥大學醫(yī)學信息工程學院，副教授，主要研究方向：醫(yī)學信息學。