分享嘉宾：杨比特丁香园
编辑整理：叶祺
出品平台：DataFunTalk
导读：本次分享的主题为医疗健康领域的短文本理解，主要介绍在丁香园的业务场景下，短文本理解的技术实践，并讨论知识图谱技术如何在医疗健康领域的搜索推荐中落地应用，希望能够给大家的日常工作提供一些思路。主要内容包括：
丁香园主要的业务和所服务的对象，以及在垂直领域下NLP工作可能需要面对的挑战
在医疗健康领域短文本理解上的尝试
结合工业场景，展示一些应用案例01业务场景及文本解析困境思考1.关于丁香园
丁香园的起点是打造一个专业的医学学术论坛，为医生、医学生及其他医疗从业者提供一个信息交流的平台，同时也推出了一系列移动产品以提供优质的医学信息服务。
目前，丁香园围绕着医生和大众来发展，业务覆盖这两类人群的日常需求。对医生为主的医疗从业者来说，会涉及到日常的学术问题、经验分享、疑难病例的讨论以及查阅药品说明书、诊疗指南等等。对大众来说，包括线上问诊、科普知识、健康商城等服务。
2.搜索场景的支持
搜索作为丁香园的基础服务，需要支持多个社交与工具类的应用，主要包括：丁香园论坛、用药助手、丁香医生、丁香家商场等主要App。处理的文本数据需跨越大众和专业医学这两个领域，涉及的业务线也需处理不同的场景。
这里我们举了几个比较有代表性的场景，前三个是面向专业医学背景的。
第一个是丁香园论坛，主要用户是医疗相关的从业者。用户会在论坛中，讨论最近的热门医疗事件，新冠疫情、考博、规培的分数线、医疗纠纷，或者发帖求助一些疑难病例，求一些医疗文献等等。
第二、第三个场景是来自于用药助手，这是一个工具类的应用。用户会将其作为搜索药物信息或诊疗指南的工具。
后面三个场景是面向普通大众的，包括对科普文章的检索、线上问诊数据的检索(举个例子，用户会问"湿疹反复发作怎么办？"、"坐月子能不能洗澡？"这类的问题)以及电商场景(大体上和市面上的电商场景都相似。不一样的是该场景会围绕健康话题去开展，如"产后康复"、"减肥减脂"等话题)。
3.垂直领域下的思考
①话题性
我们观察到的第一个点：医疗健康领域的内容普遍存在着话题性。
左边第一张图是医学的新闻事件，这与大多数的普通新闻比较类似。新闻事件会天然形成一个话题。比如"新冠疫苗最新进展"，用户会围绕这个话题产生一些相关的搜索行为，如搜索"肺炎"、"柳叶刀"等潜在的、需要获取的话题意图。
第二张图是我们想要谈论的，在医疗领域比较特殊的话题性。因为在医疗领域关于症状相关的表述会非常多，或者用专业的表述我们会叫它"临床表现"。这里再解释一下"临床表现"的含义：你可以理解成生病后身体的一些症状，比如，头疼、发热、呕吐等。医生在做病例讨论时，常常会抛出他们认为比较关键，但又很让他们困扰、值得讨论的临床表现，如"术后出血引起的血肿"、"右下腹感染病变"、"胸部多发病变"。所以当用户发起一个讨论时，某些"临床表现"的词也会自然形成一个话题。但是这些话题相关的词并不像开放领域中的词有那么明显的边界。举个例子，在开放领域中，"梅西获得年金球奖"这样的话题相关的实体，如"梅西"、"年金球奖"，在搜索时比较容易避免搜索的关键词与用户实际