随着智慧医疗的兴起,以好大夫在线、丁香医生、春雨医生为代表的医疗健康移动终端成为医疗界最大的医疗健康信息产生与交换的渠道,同时也为智慧医疗方面的科学研究提供了丰富的数据资源。用户使用医疗健康移动终端常常以自我诊断、医疗健康知识问答为目的,但是由于缺乏专业的医学背景知识,对健康状况的描述往往比较口语化,导致自我诊断和医疗健康知识问答的目的难以实现。若是用户发表的医疗健康文本或问题能得到有效的规范化,可以更好地提升智慧医疗的服务效果,这在医疗健康领域具有较大的社会与现实意义。因此,本文面向不同的智慧医疗场景,对医疗健康文本展开了规范化研究,创新点如下:一是针对智慧医疗中的智能分诊,提出了基于双通道网络的文本规范模型。智能分诊包括自我诊断、辅助挂号和辅助寻医等场景,模型对文本的规范化旨在提高文本分类的准确率,因此,考虑选择医疗健康文本的语义作为要规范的要素。模型首先设计了两个通道,用来学习并提取医疗健康文本的特征;接着设计了对抗机制,通过来源判别和科室分类两个任务相互对抗实现用户健康术语的提取;然后基于提取的词语,利用双通道结构进行编码校正,实现文本语义的规范化;最后将规范后的语义编码输入分类器进行科室分类,从而实现智能分诊。实验结果证明,基于双通道网络的文本规范化模型能够有效规范医疗健康文本的语义,并且能够显著提升智能分诊的准确率。二是针对智慧医疗中的智能问答,提出了基于词语填空策略的文本规范模型。智能问答是指用户在搜索引擎、医疗健康在线平台上提出医疗健康问题的场景。在智能问答场景中,用户健康术语作为问题的关键词,成为需要规范的要素,以期通过用户健康术语的规范,使获取的答案更准确。模型的输入包括三种文本,不规范问题、相关的规范问题、隐藏了一个用户健康术语的不规范问题;模型的核心思想是从规范的问题中提取词语填充到被隐藏用户健康术语的位置,使得重构后的问题能够得到与原始不规范问题一致的序列标注结果。模型首先使用GRU网络对输入进行特征提取;然后将规范的问题文本输入CNN网络学习权重分布W,并基于W提取词语,接着根据设计的函数将词语准确填充到被隐藏用户健康术语的位置;最后将不规范问题文本和重构后的不规范问题文本分别输入CNN-CRF结构,用于序列标注和损失计算。模型对两个CNN-CRF结构设置了参数共享,从而使得第一个CNN-CRF结构对第二个CNN-CRF结构产生正则化效果,同时也使得第二个CNN-CRF结构的序列标注结果更多地依赖于词语填空的准确度。实验在百度阅读理解数据集Du-Reader上展开,通过比对实验证明了基于词语填空策略的文本规范模型能够有效规范用户健康术语。