基于深度学习的生物医学文本分类研究

论文摘要

目的:探索基于深度学习的文本分类方法在生物医学文本的学科分类中是否具有更好的分类性能。方法:以中国医院科技量值研究中累积的神经病学科、消化病学科、肿瘤学科的SCI论文为数据来源,分别训练并测试CNN、LSTM、LSTM-CNN、LSTM-attention及SVM模型并评估其性能。结果:5类模型中,双层CNN模型的分类性能最好,CNN、LSTM、LSTM-CNN和LSTM-attention模型的分类性能均优于SVM模型。结论:基于深度学习的文本分类方法可提高生物医学文本的学科分类精度,推动医院评价和学科评估的发展。

论文目录

• 1 传统的文本分类方法
• 2 基于深度学习的文本分类方法
•   2.1 文本预处理
•   2.2 文本表示
•   2.3 分类模型构建
• 3 实验
•   3.1 文本预处理
•   3.2 文本表示
•   3.3 分类模型训练
•   3.4 效果评估
• 4 结论与展望

文章来源

类型: 期刊论文

作者: 周永称,崔忠芳,范少萍,安新颖

关键词: 深度学习,文本分类,医院评价,学科评估

来源: 中华医学图书情报杂志 2019年11期

年度: 2019

分类: 信息科技,医药卫生科技

专业: 医学教育与医学边缘学科,计算机软件及计算机应用,自动化技术

单位: 北京协和医学院/中国医学科学院医学信息研究所,泰康健康产业投资控股有限公司,中国医学科学院医学信息研究所

基金: 中央级高校基本科研业务费项目“临床医学高层次人才科研能力评价研究”(2018TX63002),国家重点研发计划“精准医学文本知识网络构建”子课题“精准医学文本语料库构建”(2016YFC0901902-2),国家自然科学基金项目“面向精准医学的基因-疾病-药物语义关系抽取研究”(71704188)

分类号: R-05;TP391.1;TP18

页码: 1-10

总页数: 10

文件大小: 383K

下载量: 166