基于词向量和深度学习模型的医疗数据分析方法研究

• 作者: 金玮 左嵩 许健 黄于飞 巩清源 潘伟华
• 来源期刊: 微型电脑应用
• 关键词: 词向量 深度学习 电子医学文本分析 LSTM模型 Yoon模型
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 基金项目|FUND PROJECT
• 页码范围: 23-26
• 页数: 4页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1007-757X.2021.05.007

摘要

在自然语言处理领域中,电子医疗数据越来越多地与文本处理技术结合使用,以辅助医生进行诊断.但电子医学文本数据通常存在大量冗余、语义缺失、歧义等问题,导致基于特征提取的传统分类器不能充分发挥作用.针对上述问题,结合词向量法与深度学习理论,将医学文本中的数据和词表示为一个定长的矩阵,并利用改进LSTM模型与改进Yoon模型进行结合,整合成一个综合学习模型.最终,在实际医疗数据分类实验中验证了综合学习模型的有效性.实验与数据分析结果表明,对比改进后的LSTM模型与Yoon模型,综合学习模型在医学电子数据文本分类的准确率及精确度分别得到了较为明显的提高.