基于“语料立方体”概念的公共卫生语料库的构建与创新.pdfVIP

ChineseJournalofHealthInformaticsandManagement,June2025,Vol.22,No.3中国卫生信息管理杂志2025年6月第22卷第3期

中国卫生信息管理CHINESEJOURNALOFHEALTHINFORMATICSANDMANAGEMENT

doi:10.3969/j.issn.1672-5166.2025.03.014

基于“语料立方体”概念的公共卫生

语料库的构建与创新

①①②①①△

刘捷宸夏天山栋明杨妹陈昕

文章编号：1672-5166（2025）03-422-06中图分类号：R-197.2；R319文献标志码：A

摘要目的针对公共卫生领域大模型训练数据的碎片化和低质化等问题，探索一种系统性解决方案，构建

一个高质量的公共卫生语料库，以满足大模型训练和场景应用的需求。方法提出“三维整合”框架（来源、

业务、模态），通过语料立方体设计实现多源异构数据的立体化融合，并设计公共卫生语料库管理平台，集

成智能采集、语料清洗、跨模态对齐等关键技术。结果以上海市发布的卫生健康语料库（公共卫生）为例，

阐释了构建大量专业科目领域语料库，支持传染病预警、政策推演及慢性病管理等场景。结论本研究为公共

卫生领域的数智化转型提供了可复制的技术路径与治理范式，未来需进一步推动全国性语料资源池建设，完

善动态更新机制，强化人工智能在公共卫生决策中的支撑作用。

关键词公共卫生语料库大模型训练数据治理

TheConstructionandInnovationofPublicHealthCorpusCollectionBasedontheCorpusCube

Concept

LIUJiechen,XIATian,SHANDongming,YANGMei,CHENXin

ShanghaiMunicipalCenterforDiseasesControlandPrevention,Shanghai200336,China

AbstractObjectiveToaddressthechallengesoffragmentedandlow-qualitytrainingdataforlarge

languagemodelsinpublichealthdomains,thisstudyexploresasystematicsolutionforconstructing

high-qualitypublichealthcorpusthatmeettherequirementsofmodeltrainingandapplicationscenarios.

MethodsWeproposeaThree-DimensionalIntegrationframework(sources,modalities,andoperations),

achievingmultidimensionalfusionofmulti-sourceheterogeneousdatathroughcorpuscubedesign.A

dedicatedpublichealthcorpusmanagementplatformhasbeendeveloped,integratingkeytechnologies

includingintelligentcollection,corpuscleaning,andcross-modalalignment.ResultsTakingtheShanghai

MunicipalHealthCorpus(Publi