1. У кого что болит?
Вопросы и ответы
про медицину и здоровье
Павел Браславский
NLP Seminar
СПб, 13.12.2012

2. Community Question Answering
and many more…
3

3. Почему CQA?
• Хороший запрос – не так просто
• Контекст, субъективность
• Социальный аспект
• «Персональный ответ»
• «Как?» vs. «Что?» (опыт)
• Открытые данные (!)
4

4. Otvety@Mail.Ru
categories
asker’s profile
question
answers
Август 2012:
73M пользователей
answerer’s profile 80M+ вопросов
400M+ ответов
5

5. Service statistics Category breakdown
reach inf. need
description
Average question length 22.5 words
Average answer length 19.7 words
5.3 answers per answer in average
6

6. Question types
Questions 2,000 questions
49.7 % manually annotated
Rhetorical
human experience 50.3 %
Informational
34.1% 38.8% 12.2% 13.4% 0.4% 1.1%
Social
Facts Recommendation Opinion Favor Offer
connection
Object, object Method,
property, … location…
7

7. Expected answer type
scheme by
Oh et al. Answer type Count %
strength of the
Yes/no 66 6.6 human-powered search
Single 241 23.9
Multiple 166 16.5
Descriptive 534 53.0
two major classes
Answer type Facts % Recommendati %
(total 343) ons (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
8

8. 9

9. Health & Beauty
≈ 313 000 вопросов с ответами
1 апреля 2011 – 31 марта 2012
10

10. Questions by sub-categories
Doctors, Clinics, Insurance
5%
Weight
Tan, Solarium
correction
1%
10%
Beauty shops and SPA
1% Other topics about beauty
Manicure, and health
Pedicure Children's Health 17%
2% 4%
Cosmetics, perfumery Physician responses...
8% 1%
Sauna, Massage, Fitness
2%
Hair care
Deseases, drugs
10%
30%
Healthy
lifestyle
9%
~128K вопросов
11

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

12. Возможности/Задачи
• Мониторинг заболеваний и синдромов
• Оценка качества медицинской информации
13

13. Latent Dirichlet Allocation (LDA)
128,000 вопросов  70 тем
нервный глаз гормон горло
стресс зрение железа ангина
нерв очки эндокринолог полоскать
попить линза гормональный сода
успокоительный видеть организм раствор
пустырник капля щитовидка вода
успокаивать окулист нарушение соль
система носить проблема полоскание
таблетка глазной щитовидный болеть
глицин комп влиять теплый
14

14. ARI rate vs. 'flu' topic
1200
0,08
1000
0,06
800
0,04
600
400
0,02 rain vs. 'runny nose' topic
5 0,5
200 04
0,4
3
0,3
2
1
0,2
0
0,1
-1
-2 0
15

15. 16

16. Content Quality in UGC
Adopted from Chris Anderson “The long trail”, 2006
via Carlos Castillo
18

17. 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
Нечеткий поиск:
• Оспа ветряная
Парацетамол  пароцетамол, парацитамол
• Herpes Varicella zoster
Инъекция  иньекция
Цистит  цестит
(к сожалению, не гепатит  гиппотит  )
19

18. 20

19. 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

20. 22

21. 23

22. Возможные применения
• Сравнение сервисов / наборов данных
• Рейтинг отвечающих
24

23. CQA: ближайшие задачи
• Полуавтоматическая оценка качества
• Анализ поведения пользователей
• Новая тематика: бухгалтерия и право
25

24. Thank you!
Questions?
Pavel Braslavski
pb@kontur.ru
http://kansas.ru/pb/
26