16、文本信息提取与主题建模技术解析

文本信息提取与主题建模技术解析

1. 断言状态检测

在医疗场景中，当我们寻找服用药物后出现特定症状（如头晕）的患者时，如果仅搜索提及“头晕”的临床报告，会找到很多类似“无头晕”“我开了一种可能导致头晕的药，患者否认头晕”这样的内容，而这些并非我们要找的患者信息。理解说话者或作者如何使用信息，与理解信息所指内容同样重要，这在临床环境中被称为断言状态任务，在法律文件和技术规范等其他交流形式中也有应用。

1.1 极性和语气

从语言学角度看，出现“假阳性”情况是因为语句的语气或极性有误。极性指语句是肯定还是否定，语气则体现说话者或作者对语句的态度。不同语言表达极性和语气的方式差异很大，英语中常用副词表达怀疑，而有些语言通过词形变化来表达。以下是极性和语气的示例：
1. “The patient did not have difficulty standing.”（否定极性）
2. “The movie may come out in April.”（推测语气）
3. “I would have liked the soup if it were warmer.”（条件语气）

否定是所有语言的特征，但表达方式差异显著，甚至同一语言的不同方言也有所不同。英语中有双重否定的规则，但自然语言比形式逻辑更具歧义性。例如，“You’re not unfriendly.” 并不意味着 “You are friendly”。在某些英语方言中，双重否定可加强语气，甚至是必要的，如 “I don’t have nothing” 等同于 “I have nothing”。

推测语气也具有歧义性，如何处理这类语句取决于具体应用。例如，在提取电影上映日