基于CNN-SVM的护理不良事件文本分类研究

• 作者: 李凯霞 程铭 葛晓伟
• 来源期刊: 计算机工程与科学
• 学科: 工学
• 关键词: 中文文本分类 护理不良事件 CNN-SVM
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 人工智能与数据挖掘
• 页码范围: 161-166
• 页数: 6页
• 分类号: TP183
• 字数: 4726字
• 语种: 中文
• DOI: 10.3969/j.issn.1007-130X.2020.01.021

摘要

针对当前医院护理不良事件上报的内容多为非结构化文本数据,缺乏合理明确的分类,人工分析难度大、人为因素多、存在漏报瞒报、人为降低事件级别等问题,提出一种基于字符卷积神经网络CNN与支持向量机SVM的中文护理不良事件文本分类模型.该模型通过构建字符级文本词汇表对文本进行向量化,利用CNN对文本进行抽象的特征提取,并用SVM分类器实现中文文本分类.与传统基于TF-IDF的SVM、随机森林等多组分类模型进行对比实验,来验证该模型在中文护理不良事件文本分类中的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	程铭		3	0	0.0	0.0
2	葛晓伟		1	0	0.0	0.0
3	李凯霞		1	0	0.0	0.0