1.主要技术内容

技术针对现有语义建模方法在理解个性化、解决多义性问题上面临严峻挑战的情况，研究结合用户标注的结构化群智信息提升语义建模效果。结合结构网络关联构造数据与知识共同驱动的语义模型，为非独立假设分布的半结构文本学习合理低秩的语义空间表示；提升含噪易变的群智信息的利用效率。

电子结构化的医疗记录为回顾性研究提供了重要数据资源。基于此，目前的医护方式有望从反应型变革为预防型。技术致力于结合自然语言处理和模式识别技术，开展面向医疗数据的提前诊断和风险预测，同时挖掘特定病种联合用药风险控制策略；开展食品疾病关联分析。

创新点在于：面向稀疏松散的半结构文本提供语言计算领域的群体智慧高效利用方案，有助于提升语义建模鲁棒性和泛化性；语言计算融入风险预测是提升医疗预测准确率、降低其成本的有效探索，多维医疗事实挖掘，有显著技术创新性。

3.经济社会价值

有效建模文本所蕴含的人类知识和语义是文本分类、情感分析、推荐系统等互联网重要应用的基础，是在人工智能实践中实现自由人机交互的重要环节，具有重要广泛的应用前景和社会经济意义。自然语言相关技术在医学领域的应用有助于更高效地积累医学知识，构建医学知识库，缓解医疗资源短缺的现状，通过人机交互，提升社会医疗资源的运行效益。