Bio+Clinical BERT、BERT Base与CNN在药物评论满意度预测中的性能比较

Yue Ling

Bio+Clinical BERT、BERT Base与CNN在药物评论满意度预测中的性能比较

计算与语言 2023-08-09 v1 人工智能机器学习

作者: Yue Ling

摘要

本研究的目标是开发自然语言处理（NLP）模型，能够分析患者的药物评论并将其满意度水平准确分类为正面、中性或负面。此类模型可减轻医疗专业人员的工作负担，并更深入洞察患者的生活质量，而生活质量是治疗有效性的关键指标。为此，我们实现并评估了若干分类模型，包括BERT base模型、Bio+Clinical BERT以及一种更简单的CNN。结果表明，医学领域专用的Bio+Clinical BERT模型显著优于通用领域base BERT模型，如表2所示，其宏f1与召回率得分提升了11%。未来研究可探索如何发挥各模型的特定优势。Bio+Clinical BERT在整体性能上表现优异，尤其擅长处理医学术语，而更简单的CNN则展现出识别关键词汇并在具有冲突情感的文本中准确分类情感的能力。

关键词

自然语言处理药物评论情感分类 Bio+Clinical BERT BERT Base CNN 医疗NLP

引用

@article{arxiv.2308.03782,
  title  = {Bio+Clinical BERT, BERT Base, and CNN Performance Comparison for Predicting Drug-Review Satisfaction},
  author = {Yue Ling},
  journal= {arXiv preprint arXiv:2308.03782},
  year   = {2023}
}

备注

KDD 2023 Workshop on Applied Data Science for Healthcare

Bio+Clinical BERT、BERT Base与CNN在药物评论满意度预测中的性能比较

摘要

关键词

引用

备注

相关论文