У кого что болит? Вопросы и ответы

про медицину и здоровье

Павел Браславский NLP Seminar

СПб, 13.12.2012

Community Question Answering

and many more… 3

Почему CQA?

• Хороший запрос – не так просто • Контекст, субъективность • Социальный аспект • «Персональный ответ» • «Как?» vs. «Что?» (опыт) • Открытые данные (!)

4

Otvety@Mail.Ru categories

asker’s profile

question

answers

answerer’s profile

5

Август 2012: 73M пользователей 80M+ вопросов 400M+ ответов

Service statistics

Average question length 22.5 words Average answer length 19.7 words 5.3 answers per answer in average

Category breakdown

reach inf. need description

6

Questions

Informational

Facts

Object, object property, …

Recommendation

Method, location…

Opinion Favor Offer Social connection

Rhetorical

Question types

49.7 %

50.3 %

38.8% 34.1% 12.2% 0.4% 1.1% 13.4%

2,000 questions manually annotated

human experience

7

Answer type Count % Yes/no 66 6.6 Single 241 23.9 Multiple 166 16.5 Descriptive 534 53.0

Answer type Facts (total 343)

% Recommendations (total 391)

%

Yes/no 44 12.8 1 0.3 Single 118 34.4 61 15.6 Multiple 40 11.7 88 22.5

Descriptive 141 41.1 241 61.6

Expected answer type

scheme by Oh et al.

two major classes

strength of the human-powered search

8

9

Health & Beauty

10

≈ 313 000 вопросов с ответами 1 апреля 2011 – 31 марта 2012

Questions by sub-categories

Other topics about beauty and health

17%

Cosmetics, perfumery 8%

Physician responses... 1%

Sauna, Massage, Fitness 2%

Hair care 10%

Healthy lifestyle

9%

Deseases, drugs 30%

Children's Health 4%

Manicure, Pedicure

2%

Beauty shops and SPA 1%

Tan, Solarium 1%

Doctors, Clinics, Insurance 5%

Weight correction

10%

~128K вопросов

11

Пользователи

• 133,163 unique users (asked and answered) • 74,760 (56.1%) public profiles

– 49.6% - age indicated – 44.2% - location indicated

(e.g. 3,004 users from Moscow region) – 50.0% ♀, 33.5% – ♂, 16.4% – ?

12

Возможности/Задачи

• Мониторинг заболеваний и синдромов • Оценка качества медицинской информации

13

Latent Dirichlet Allocation (LDA)

нервный стресс нерв попить успокоительный пустырник успокаивать система таблетка глицин

глаз зрение очки линза видеть капля окулист носить глазной комп

гормон железа эндокринолог гормональный организм щитовидка нарушение проблема щитовидный влиять

горло ангина полоскать сода раствор вода соль полоскание болеть теплый

128,000 вопросов 70 тем

14

0

0,02

0,04

0,06

0,08

200

400

600

800

1000

1200

ARI rate vs. 'flu' topic

0

0,1

0,2

0,3

0,4

0,5

-2

-1

0

1

2

3

4

5

rain vs. 'runny nose' topic

15

16

Content Quality in UGC

Adopted from Chris Anderson “The long trail”, 2006 via Carlos Castillo

18

Оценка качества

• МКБ-10 + лекарства (http://www.rlsnet.ru) • Болезнь в вопросе, лекарство хотя бы в

одном ответе (128K 10K) Синонимы нозологической группы:

• Ветряная оспа • Ветрянка новорожденного • Varicella Zoster • Оспа ветряная • Herpes Varicella zoster

Нечеткий поиск: Парацетамол пароцетамол, парацитамол Инъекция иньекция Цистит цестит (к сожалению, не гепатит гиппотит )

19

20

Болезнь-Лекарство

thrush angina herpes

flucostat* 155 iodine 130 aciclovir*** 307

candid** 92 chamomile 127 zovirax*** 138

clotrimazole** 89 nitrofural 111 wax 95

fluconazole* 89 lugol 93 fenistil 41

diflucan* 77 salvia 70 valtrex 34

21

22

23

Возможные применения

• Сравнение сервисов / наборов данных • Рейтинг отвечающих

24

CQA: ближайшие задачи

• Полуавтоматическая оценка качества • Анализ поведения пользователей

• Новая тематика: бухгалтерия и право

25

Thank you! Questions?

Pavel Braslavski pb@kontur.ru

http://kansas.ru/pb/

26