摘要

近年来，利用机器学习技术挖掘医疗数据受到广泛关注。一个常见挑战是获取一组无噪声、内容与研究问题高度相关的真实文本数据，并为特定医学领域构建问答（Question Answering, QA）模型。本文旨在提出一种新方法，用于构建医学数据集，并建立针对特定疾病领域的症状分析与日常生活影响评估的QA模型。研究以“心理健康”论坛为数据来源，该论坛专为精神分裂症及其他精神障碍患者设立。通过提取活跃用户定期发布的相关帖子，提出了一种获取低偏差内容且不涉及隐私问题的新方法。此外，本文还展示了如何对原始数据进行预处理，将其转化为适用于QA任务的数据格式。在模型评估方面，对双向编码器表示模型（Bidirectional Encoder Representations from Transformers, BERT）、DistilBERT、RoBERTa以及BioBERT等模型进行了微调，并基于F1分数、精确匹配率（Exact Match）、精确率（Precision）和召回率（Recall）进行性能评估。实验结果表明，所提出的方法在构建高质量QA数据集方面具有显著有效性。通过微调BioBERT QA模型，最终获得0.885的F1分数，显著优于当前该领域最先进的模型，充分验证了该方法在精神障碍研究中的优越性与实用性。