基于药物评论情感分析与机器学习的药物推荐系统
信息检索
2021-04-06 v2 人工智能
机器学习
摘要
自冠状病毒出现以来，合法临床资源的不可及性达到顶峰，如专家、医护人员短缺，缺乏适当设备与药物。整个医学界陷入困境，导致众多人员死亡。由于不可得，人们开始在无适当咨询下自行用药，使健康状况较平常更糟。近来，机器学习已在众多应用中发挥作用，且自动化方面的创新工作有所增加。本文旨在提出一个可大幅减少专家负担的药物推荐系统。在本研究中，我们构建了一个利用患者评论通过多种向量化过程（如 Bow、TFIDF、Word2Vec 与手动特征分析）预测情感的药物推荐系统，其可通过不同分类算法帮助给定疾病推荐首选药物。预测情感通过精确率、召回率、f1分数、准确率与 AUC 分数评估。结果显示，使用 TFIDF 向量化的分类器 LinearSVC 以 93% 准确率优于所有其他模型。
引用
@article{arxiv.2104.01113,
title = {Drug Recommendation System based on Sentiment Analysis of Drug Reviews using Machine Learning},
author = {Satvik Garg},
journal= {arXiv preprint arXiv:2104.01113},
year = {2021}
}
备注
7 pages, 8 figures, 2021 11th International Conference on Cloud Computing, Data Science & Engineering (Confluence)