SMM4H 任务 2 的 InfyNLP：用于从 Twitter 识别个人药物摄入的浅层卷积神经网络堆叠集成
计算与语言
2018-03-22 v1
摘要
本文描述了 Infosys 参加“2017 年 AMIA 健康应用社交媒体挖掘第二届共享任务，任务 2”的情况。挖掘社交媒体消息以获取健康和药物相关信息在药物警戒研究中受到了广泛关注。该任务旨在开发自动分类模型，用于识别包含个人药物摄入描述的推文。为了实现这一目标，我们在组织者提供的标注数据集上训练了一个浅层卷积神经网络（CNN）模型的堆叠集成。我们使用随机搜索来调整 CNN 的超参数，并提交了最佳模型的集成用于预测任务。我们的系统在 9 个团队中获得了第一名，微平均 F 值为 0.693。
引用
@article{arxiv.1803.07718,
title = {InfyNLP at SMM4H Task 2: Stacked Ensemble of Shallow Convolutional Neural Networks for Identifying Personal Medication Intake from Twitter},
author = {Jasper Friedrichs and Debanjan Mahata and Shubham Gupta},
journal= {arXiv preprint arXiv:1803.07718},
year = {2018}
}
备注
2nd Workshop on Social Media Mining for Health