<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>短文本解析 on 知识铺的博客</title>
    <link>https://index.zshipu.com/geek/tags/%E7%9F%AD%E6%96%87%E6%9C%AC%E8%A7%A3%E6%9E%90/</link>
    <description>Recent content in 短文本解析 on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Tue, 15 Mar 2022 10:42:30 +0800</lastBuildDate>
    <atom:link href="https://index.zshipu.com/geek/tags/%E7%9F%AD%E6%96%87%E6%9C%AC%E8%A7%A3%E6%9E%90/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>医疗健康领域的短文本解析探索二</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%8C%BB%E7%96%97%E5%81%A5%E5%BA%B7%E9%A2%86%E5%9F%9F%E7%9A%84%E7%9F%AD%E6%96%87%E6%9C%AC%E8%A7%A3%E6%9E%90%E6%8E%A2%E7%B4%A2%E4%BA%8C/</link>
      <pubDate>Tue, 15 Mar 2022 10:42:30 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%8C%BB%E7%96%97%E5%81%A5%E5%BA%B7%E9%A2%86%E5%9F%9F%E7%9A%84%E7%9F%AD%E6%96%87%E6%9C%AC%E8%A7%A3%E6%9E%90%E6%8E%A2%E7%B4%A2%E4%BA%8C/</guid>
      <description>丁香园大数据 NLP 文章发表于： 2019-12-31 医疗健康领域的短文本解析探索（一） 谈谈医疗健康领域的 Phrase Mining 前言 再来简单回顾一下之前内容，上一篇《 医疗健康领域的短文本解析探索（一）》我们简单的介绍了目前工业界常用的 concept/phrase 的自动化抽取和评估的方法，之后我们又介绍了两种结构化电子病历的方法，第一种构建 MeSH 语义树，</description>
    </item>
    <item>
      <title>医疗健康领域的短文本解析探索一</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%8C%BB%E7%96%97%E5%81%A5%E5%BA%B7%E9%A2%86%E5%9F%9F%E7%9A%84%E7%9F%AD%E6%96%87%E6%9C%AC%E8%A7%A3%E6%9E%90%E6%8E%A2%E7%B4%A2%E4%B8%80/</link>
      <pubDate>Tue, 15 Mar 2022 09:08:27 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%8C%BB%E7%96%97%E5%81%A5%E5%BA%B7%E9%A2%86%E5%9F%9F%E7%9A%84%E7%9F%AD%E6%96%87%E6%9C%AC%E8%A7%A3%E6%9E%90%E6%8E%A2%E7%B4%A2%E4%B8%80/</guid>
      <description>丁香园大数据 NLP 文章发表于： 2019-09-02 前言 简单的回顾一下，上一回我们说到短语挖掘（Phrase Mining），对非结构化文本中抽取出高质量的名词短语，用于解决专业领域的专业词典不足的问题。我们提到了韩家炜老师的三部曲 TopMine，segphrase 和 AutoPhrase，其用到的主要方法</description>
    </item>
    <item>
      <title>医疗健康领域的短文本解析探索三文本纠错</title>
      <link>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%8C%BB%E7%96%97%E5%81%A5%E5%BA%B7%E9%A2%86%E5%9F%9F%E7%9A%84%E7%9F%AD%E6%96%87%E6%9C%AC%E8%A7%A3%E6%9E%90%E6%8E%A2%E7%B4%A2%E4%B8%89%E6%96%87%E6%9C%AC%E7%BA%A0%E9%94%99/</link>
      <pubDate>Tue, 15 Mar 2022 09:05:14 +0800</pubDate>
      <guid>https://index.zshipu.com/geek/post/%E4%BA%92%E8%81%94%E7%BD%91/%E5%8C%BB%E7%96%97%E5%81%A5%E5%BA%B7%E9%A2%86%E5%9F%9F%E7%9A%84%E7%9F%AD%E6%96%87%E6%9C%AC%E8%A7%A3%E6%9E%90%E6%8E%A2%E7%B4%A2%E4%B8%89%E6%96%87%E6%9C%AC%E7%BA%A0%E9%94%99/</guid>
      <description>医疗健康领域的短文本解析探索（二） 医疗健康领域的短文本解析探索（一） 谈谈医疗健康领域的 Phrase Mining 前言 最近在优化 dxy 帖子召回问题，我们之前在 医疗健康领域的短文本解析探索（一） 提到了 phrase mining 抽取粗粒度名词，在 医疗健康领域的短文本解析探索（二） 提到实体链接相关方案，但是用户在输入搜索内容时，很可能</description>
    </item>
  </channel>
</rss>
