药物新闻自动分类
信息检索
2022-01-04 v1 机器学习
摘要
我们使用一个由 23 个与药物信息科学相关的新闻类别构成的文本数据集，以比较多个 transformer 模型在分类任务中的微调性能。使用一个均衡良好的数据集与多个自回归与自编码变换模型，我们比较了它们的微调性能。为验证胜出方法，我们对误预测实例进行模型行为诊断，包括类别级指标检视、预测确定性评估与潜空间表示评定。最后，我们提出一个由表现最优的单个预测器构成的集成模型，并证明该方法在 F1 指标上带来适度提升。
引用
@article{arxiv.2201.00688,
title = {Automatic Pharma News Categorization},
author = {Stanislaw Adaszewski and Pascal Kuner and Ralf J. Jaeger},
journal= {arXiv preprint arXiv:2201.00688},
year = {2022}
}
备注
5 pages, 1 figure, 9 pages appendix