本文章以 丁香 医生为例
主要以 科目分类来进行爬取，每个科目爬取的内容会存储到一个文本文档中，内容是问答式。
代码如下：
from bs4 import BeautifulSoup
import pandas as pd
import json
import requests
import time
import random
def get_static_url_content(url):
headers = {'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, l
2021-10-06 15:35:24
26KB
1
本文主要是对在线问诊中产生的医疗文本进行命名实体识别的研究.使用在线医疗问答网站的数据，采用{B，I，O}标注体系构建数据集，抽取疾病、治疗、检查和症状四个医疗实体.以BiLSTM-CRF为基准模型，提出两种深度学习模型IndRNN-CRF和IDCNN-BiLSTM-CRF，并在自构建数据集上验证模型的有效性.将新提出的两种模型与基准模型通过实验对比得出：模型IDCNN-BiLSTM-CRF的F1值0.8116，超过了BiLSTM-CRF的F1值0.8009，IDCNN-BiLSTM-CRF整体性能好于BiLSTM-CRF模型；模型IndRNN-CRF的精确率0.8427，但该模型在召回率上低于基准模型BiLSTM-CRF.
2021-08-05 11:01:14
1.36MB
1
来自某在线求医产品的中文医患对话数据。原始描述:The MedDialog dataset contains conversations (in Chinese) between doctors and patients.
2021-05-10 20:09:34
790.04MB
1