深度健康医疗文本分类
计算与语言
2018-04-13 v1 人工智能
摘要
健康相关的社交媒体挖掘是早期识别各种不良医疗状况的有价值工具。现有方法大多基于机器学习与知识学习。本工作笔记提出了基于循环神经网络（RNN）和长短期记忆网络（LSTM）的嵌入方法，用于社交媒体挖掘中的自动健康文本分类。针对每个任务，构建了两个系统，在推文级别对推文进行分类。RNN和LSTM用于提取特征，最后一层的非线性激活函数有助于区分不同类别的推文。实验在2017年AMIA第二届健康应用社交媒体挖掘共享任务上进行。实验结果可观；然而，所提出的方法适用于健康文本分类。这主要是因为该方法不依赖于任何特征工程机制。
引用
@article{arxiv.1710.08396,
title = {Deep Health Care Text Classification},
author = {Vinayakumar R and Barathi Ganesh HB and Anand Kumar M and Soman KP},
journal= {arXiv preprint arXiv:1710.08396},
year = {2018}
}
备注
4 pages