基于深度学习的医学文本情感分析
计算与语言
2024-12-04 v1 人工智能
摘要
随着深度学习技术的快速发展，自然语言处理（NLP）领域取得了显著进展。文本情感分析的研究方向之一是医学文本的情感分析，这在临床诊断中具有巨大的应用潜力。然而，医学领域目前缺乏足够的文本数据集，且情感分析的效果受不同模型设计方法的影响很大，这带来了挑战。因此，本文聚焦于医学领域，使用基于 Transformer 的双向编码器表示（BERT）作为基础预训练模型，并在输出层实验了卷积神经网络（CNN）、全连接网络（FCN）和图卷积网络（GCN）等模块。我们在 METS-CoV 数据集上进行了实验和分析，以探索集成不同深度学习网络后的训练性能。结果表明，当在较小的医学文本数据集上结合 BERT 等预训练模型进行训练时，CNN 模型的性能优于其他网络。本研究强调了模型选择在医学领域实现有效情感分析的重要性，并为未来研究开发更高效的模型架构提供了参考。
引用
@article{arxiv.2404.10503,
title = {A Sentiment Analysis of Medical Text Based on Deep Learning},
author = {Yinan Chen},
journal= {arXiv preprint arXiv:2404.10503},
year = {2024}
}