基于深度学习的生物医学文本分类研究

• 作者: 周永称 安新颖 崔忠芳 范少萍
• 来源期刊: 中华医学图书情报杂志
• 学科: 工学
• 关键词: 深度学习 文本分类 医院评价 学科评估
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 专题:医学大数据与文本挖掘
• 页码范围: 1-10
• 页数: 10页
• 分类号: TP391.1|TP18
• 字数: 6299字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-3982.2019.11.001

摘要

目的:探索基于深度学习的文本分类方法在生物医学文本的学科分类中是否具有更好的分类性能.方法:以中国医院科技量值研究中累积的神经病学科、消化病学科、肿瘤学科的SCI论文为数据来源,分别训练并测试CNN、LSTM、LSTM-CNN、LSTM-attention及SVM模型并评估其性能.结果:5类模型中,双层CNN模型的分类性能最好,CNN、LSTM、LSTM-CNN和LSTM-attention模型的分类性能均优于SVM模型.结论:基于深度学习的文本分类方法可提高生物医学文本的学科分类精度,推动医院评价和学科评估的发展.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	安新颖	中国医学科学院医学信息研究所	75	314	8.0	12.0
2	崔忠芳		1	0	0.0	0.0
3	范少萍	中国医学科学院医学信息研究所	14	32	4.0	5.0