基于混合采样与迁移学习的患者评论识别模型

摘要：

[目的]针对患者评论中的不均衡样本数据,提出一种基于混合采样与迁移学习的端到端的卷积神经网络模型.[方法]采用混合采样与迁移学习的方法解决样本不均衡问题,并利用Word2Vec与卷积神经网络相结合的端到端深度学习架构对患者评论文本进行分布式表示、特征提取以及主题分类.[结果]采用混合采样与迁移学习的主题识别模型相比,以SVM为代表的传统机器学习模型以及单一卷积神经网络模型在准确率、召回率以及F1值上有明显提升.[局限]本研究的不均衡样本仅针对在线患者评论文本.[结论]本研究提出的基于混合采样与迁移学习的患者评论识别模型在应对不均衡样本问题时能够有效提升患者评论识别效果.

关键词：混合采样、迁移学习、不均衡样本、卷积神经网络、患者评论识别

所属期刊栏目：4

分类号：TP393(计算技术、计算机技术)

资助基金：本文系华中科技大学自主创新基金项目“社区健康信息空间构建模式与服务设计”;中央高校基本科研业务费资助项目的研究成果之一

在线出版日期：2020-06-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：39-47