NRC-Canada 在 SMM4H 共享任务中的工作：分类提及药物不良反应与服药情况的推文
计算与语言
2018-05-15 v1
摘要
我们的团队 NRC-Canada 参加了 AMIA-2017 健康应用社交媒体挖掘研讨会（SMM4H）的两个共享任务：任务 1——分类提及药物不良反应的推文，以及任务 2——分类描述个人服药情况的推文。对于两项任务，我们使用多种表层形式、情感以及领域特定特征训练了支持向量机分类器。每项任务各有九支队伍参与，我们的提交在任务 1 中排名第一，在任务 2 中排名第三。处理显著的类不平衡对任务 1 至关重要。我们应用了欠采样技术以减少类不平衡（从约 1:10 降至 1:2）。标准的 n-gram 特征、在领域术语上泛化的 n-gram，以及通用领域和领域特定的词嵌入对两项任务的整体性能均有实质性影响。另一方面，加入情感词典特征并未带来任何提升。
引用
@article{arxiv.1805.04558,
title = {NRC-Canada at SMM4H Shared Task: Classifying Tweets Mentioning Adverse Drug Reactions and Medication Intake},
author = {Svetlana Kiritchenko and Saif M. Mohammad and Jason Morin and Berry de Bruijn},
journal= {arXiv preprint arXiv:1805.04558},
year = {2018}
}
备注
In Proceedings of the Social Media Mining for Health Applications Workshop at AMIA-2017, Washington, DC, USA, 2017