#药物警戒——探索深度学习技术用于识别 Twitter 中的药物服用提及
计算与语言
2018-05-17 v1
摘要
挖掘社交媒体消息中的健康与药物相关信息在药物警戒研究中受到了显著关注。社交媒体网站（例如 Twitter）已被用于监测药物滥用、药物使用的不良反应以及分析药物相关情绪表达。这些研究大多基于大量人群的聚合结果，而非特定的个体集合。为了在个体层面或特定队列中开展研究，识别用户提及药物服用的帖子是必要的。针对此目标，我们在一个公开可用的标注数据集上训练了不同的深度神经网络分类模型，并研究了它们在识别推文中个人药物服用提及上的性能。我们还设计并训练了一种新的浅层卷积神经网络（CNN）集成堆叠集成的架构。我们使用随机搜索来调整模型的超参数，并分享了不同深度神经网络架构中最佳学习模型的超参数取值细节。我们的系统产生了最先进的结果，微平均 F 值为 0.693。
引用
@article{arxiv.1805.06375,
title = {#phramacovigilance - Exploring Deep Learning Techniques for Identifying Mentions of Medication Intake from Twitter},
author = {Debanjan Mahata and Jasper Friedrichs and Hitkul and Rajiv Ratn Shah},
journal= {arXiv preprint arXiv:1805.06375},
year = {2018}
}