《表2 数据集的前15个高频词汇》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《健康社区用户教育信息推荐模型比较》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文数据预处理借助jieba组件、StanfordPOSTagger和Word Net Lemmatizer分别进行分词、词性标注及词形还原，然后去除语料集中的停用词，对两个数据集的词汇分别进行统计，结果如表1所示。经jieba分词后得到用户问题集中的单词总数约为健康教育短文集中的2倍，但在词性标注及词形还原、去重预处理操作后两个数据集中唯一词的数量较为接近。对原始的用户问题集和教育短文集进行Meta Map处理，得到UMLS概念映射数量分别为4810和4427。数据预处理后，各数据集的前15个高频单词如表2所示。