Durkheim 项目数据分析报告
人工智能
2014-01-30 v1 计算与语言
机器学习
摘要
本报告描述了在 DARPA DCAPS 计划下与 Durkheim 项目 [http://durkheimproject.org/] 合作创建的自杀倾向预测模型。这些模型主要基于从退伍军人健康管理局（VHA）获取的数百份患者记录中的非结构化文本（自由格式的临床医生笔记）构建而成。模型是使用应用于词袋和短语袋数据集的遗传编程算法构建的。我们探索了额外结构化数据的影响，但发现其影响较小。鉴于数据集规模较小，队列之间的分类具有高保真度（98%）。交叉验证表明这些模型具有合理的预测能力，在五个轮换折叠上的准确率为 50% 至 69%，集成平均值为 58% 至 67%。一个特别值得注意的结果是，词对可以显著提高分类准确率；但这仅在词对中的一个词已知具有高预测价值时才成立。相比之下，所有可能词对的集合并未优于简单的词袋模型。
引用
@article{arxiv.1310.6775,
title = {Durkheim Project Data Analysis Report},
author = {Linas Vepstas},
journal= {arXiv preprint arXiv:1310.6775},
year = {2014}
}
备注
43 pages, to appear as appendix of primary science publication Poulin, et al "Predicting the risk of suicide by analyzing the text of clinical notes"