面向预测的的电子健康记录主题模型

电子健康记录（EHR）数据可表示为一组高维可能操作、诊断和药物上的离散计数。有监督主题模型为将 EHR 数据作为特征纳入预测问题提供了一种有吸引力的选择：给定患者的记录，我们估计一组对响应变量具有预测性的潜在因子。然而，现有的有监督主题建模方法难以平衡预测质量与潜在因子的连贯性。我们引入了一种新方法——面向预测的主题模型（prediction-focused topic model），它利用监督信号仅保留能改善或不损害预测性能的特征。通过移除带有无关信号的特征，该主题模型能够学习到与任务相关且可解释的topic。我们在 EHR 数据集和电影评论数据集上证明，与现有方法相比，面向预测的主题模型能够学习到连贯性高得多的主题，同时保持具有竞争力的预测性能。