【目的】本研究针对中文消费者健康问题自动问答系统的问题解析部分,以肺癌健康领域为例,构建高质量的问题解析模型,实现对肺癌领域消费者健康问题的自动解析(包括问题类型、问题实体识别以及实体间关系抽取),为开发健康领域自动问答系统打下基础,本研究旨在(1)形成肺癌领域消费者健康问题的关键信息标注体系;(2)利用人工标注技术生成标注语料库;(3)实现基于深度学习方法的肺癌领域消费者健康问题自动解析。【方法】基于从在线医疗问答平台爬取的10000条真实的肺癌领域消费者健康问题,构建基于BiLSTM模型的问题解析模型。运用统计与对比方法构建中文肺癌领域消费者健康问题的关键信息标注体系;利用人工标注技术标注语料;运用BiLSTM-CRF模型识别问题的提问意向及关键语义成分;使用Attention-Based BiLSTM模型实现实体之间(问题类型与实体间)的关系抽取;将上述解析结果使用通用数据交换格式JSON储存。【结果】根据本研究构建的关键信息标注体系(含20种问题实体、22种问题类型)通过3轮标注与专家校对,对10000条真实肺癌领域消费者健康问题进行人工标注,形成了包含38505个问题实体与10361个问题类型的标注语料库;对该语料库进行问题解析,问题实体和问题类型识别的平均F1值分别达到了81.47%与80.31%;实体间关系抽取的平均F1值达到了85.27%;对解析结果进行了可视化展示并将其存储为JSON数据交换格式。【结论】本研究通过标注体系构建、语料库人工标注、问题解析模型的设计与实现等步骤,对问题实体、问题类型、实体间关系等语义信息进行了抽取,实现了高效的中文肺癌领域消费者健康问题自动解析,为构建肺癌领域的消费者健康问题自动问答系统打下了基础。同时,本研究实现中文肺癌领域消费者健康问题自动解析的过程具有一定的泛化能力,为研究者向其他健康领域扩展提供了参考。