刘双巧 周璐 李彩艳 袁慧敏 张异卓 李昱达 刘锦钢 郑丰杰 孙燕 李宇航

    摘要 目的：探索构建适用于中医学领域的分词模型。方法：采用基于SentencePiece的无监督学习分词方法，提出利用出版教材、名家著作及中医临床病历这3种不同类型的文献构建中医学分词模型;选择中医临床病历、名医医案作为测试集进行模型测试。结果：中医学分词模型在测试集中的Kappa系数为0.79(一致性程度很高)，准确率为0.84，宏观精确率为0.84，宏观召回率为0.83，宏观f1得分为0.83。结论：所构建的分词模型对于中医学专业术语有着较好的切分效果，表明该方法可运用于中医学领域的分词模型的构建，可为进一步地研究中医学分词提供方法学参考。

    关键词 分词;中文分词;分词模型;无监督学习;无监督分词;SentencePiece

    Research on Modeling of Traditional Chinese Medicine Word Segmentation Model Based on SentencePiece

    LIU Shuangqiao，ZHOU Lu，LI Caiyan，YUAN Huimin，ZHANG Yizhuo，LI Yuda，LIU Jingang，ZHENG Fengjie，SUN Yan，LI Yuhang

    (School of Traditional Chinese Medicine，Beijing University of Chinese Medicine，Beijing 100029，China)

    Abstract Objective：To explore the construction of word segmentation model suitable for the field of traditional Chinese medicine (TCM).Methods：Using the unsupervised learning word segmentation method based on SentencePiece ......