患者报告结局测量中自由文本评论的弱监督文本分类
计算与语言
2023-08-14 v1
摘要
患者报告结局测量(PROMs)数据中的自由文本评论(FTC)通常通过使用内容分析等人工方法进行分析，这既耗费人力又耗时。机器学习分析方法在很大程度上是无监督的，需要进行事后解释。弱监督文本分类(WSTC)可以成为一种有价值的分析方法，用于对标注数据有限的特定领域文本数据进行分类。在本文中，我们将五种WSTC技术应用于PROMs数据中的FTC，以识别结直肠癌患者报告的健康相关生活质量(HRQoL)主题。WSTC方法对FTC中提到的所有主题进行标注。结果显示在PROMs数据上性能中等，主要由于模型的精确率以及主题间的差异。对分类性能的评估说明了在标注数据有限时，基于关键词的WSTC标注PROMs FTC的潜力与局限性。
引用
@article{arxiv.2308.06199,
title = {Weakly Supervised Text Classification on Free Text Comments in Patient-Reported Outcome Measures},
author = {Anna-Grace Linton and Vania Dimitrova and Amy Downing and Richard Wagland and Adam Glaser},
journal= {arXiv preprint arXiv:2308.06199},
year = {2023}
}
备注
Accepted and presented at Health Text Analytics conference 2023 (UK)