基于深度学习的中医古籍缺失文本修复研究

目的：基于构建的高质量中医古籍文本语料库及深度学习语言模型，训练出可以应用于中医古籍缺失文本修复的模型，为中医古籍修复工作提供帮助。方法：分别训练和测试N-gram模型、LSTM模型、BiLSTM模型、RoBERTa模型，对比筛选出最优模型，并将筛选出的最优模型运用到文本修复场景中。结果：BiLSTM模型优于LSTM模型，LSTM模型明显优于N-gram模型，而RoBERTa模型效果最优，将RoBERTa模型运用到《黄帝内经》的修复中，达到了63.36%的hit@1,82.57%的hit@5。结论：将深度学习技术应用于中医古籍缺失文本修复中具有较好的效果，能够为中医古籍修复提供帮助。