文档名：基于VocabGCN的中文医疗文本分类方法
摘要：提出一种应用于中文医疗文本分类的基于词汇级的图卷积神经网络(Vocab-GCN)模型.该模型不仅可以直接对医学文本关系图进行学习,在图嵌入中保存关系图的全局结构信息,得到含有语义网络的深层病理关系,而且仅依靠两层卷积神经网络(CNN)就展现出了良好的学习优势.实验结果表明:基于Vocab-GCN的中文医疗文本分类方法相比于最优的深度学习方法提高了6.17％的分类准确率,适用于患者初步对疾病类型做出诊断.
作者：杜永兴 孙彤彤 周李涌 李灵芳 李宝山 弓彦章 Author：DUYongxing SUNTongtong ZHOULiyong LILingfang LIBaoshan GONGYanzhang
作者单位：内蒙古科技大学信息工程学院,内蒙古包头014000内蒙古自治区纪检监察大数据实验室包头大数据研发应用中心,内蒙古包头014000
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(8)
分类号：TP183
关键词：图卷积神经网络 深度学习 中文医疗文本分类 疾病诊断
Keywords：graphconvolutionalneuralnetwork(GCN) deeplearning Chinesemedicaltextclassification diseasediagnosis
机标分类号：TP391.41TP183O175.12
在线出版日期：2023年8月25日
基金项目：国家自然科学基金，内蒙古自然科学基金资助项目，内蒙古自治区科技重大专项项目，内蒙古自治区研究生教育教学改革研究与实践项目，内蒙古科技成果转化专项项目，内蒙古纪检监察大数据实验室开放课题基金资助项目，内蒙古科技大学创新基金资助项目基于Vocab-GCN的中文医疗文本分类方法[
期刊论文] 传感器与微系统--2023, 42(8)杜永兴 孙彤彤 周李涌 李灵芳 李宝山 弓彦章提出一种应用于中文医疗文本分类的基于词汇级的图卷积神经网络(Vocab-GCN)模型.该模型不仅可以直接对医学文本关系图进行学习,在图嵌入中保存关系图的全局结构信息,得到含有语义网络的深层病理关系,而且仅依靠两层卷积...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于Vocab-GCN的中文医疗文本分类方法 Chinese medical text classification method based on Vocab-GCN
基于Vocab-GCN的中文医疗文本分类方法.pdf
- 文件大小:
- 8.61 MB
- 下载次数:
- 60
-
高速下载
|
