基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为促进语义匹配技术在智慧医疗的发展,第5届中国健康信息处理大会(CHIP2019)举办医疗文本迁移学习比赛,通过竞赛的方式比较分析不同模型的性能,研究语义匹配模型在医疗领域的应用情况.针对头部队伍的模型研究表明,BERT类模型F1值比传统深度学习模型平均高出4%~5%.其中,效果最好的是Roberta,单模F1值超过0.86,准确率接近90%,和人类水平相当.此外,加入疾病领域知识后,模型训练收敛更快,F1值能提升约1%.说明随着自然语言处理(NLP)技术的发展,传统深度学习模型已被BERT(bidirectional encoder representations from transformer)类模型全方位超越,基于迁移学习的BERT类模型可能会是智能医疗问答系统日后的发展趋势.
推荐文章
基于语义列表的中文文本聚类算法
文本聚类
文本表示
语义列表
相似度计算
聚簇表示
中文短文本语法语义相似度算法
语法语义相似度
语句相似性计算
HowNet
语料库
语法分析
语义分析
相似度计算
中文网络文本的语义信息处理研究综述
中文网络文本
网络词汇
网络语言
语义分析
知识库
基于潜在语义索引的中文文本聚类的研究
文本聚类
潜在语义索引
向量空间模型
信息检索
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于竞赛视角探讨文本语义匹配技术在中文医学文本领域中的应用
来源期刊 中国数字医学 学科 医学
关键词 自然语言处理 文本语义匹配 迁移学习 智慧医疗
年,卷(期) 2021,(11) 所属期刊栏目 数据管理与利用|Data Management and Utilization
研究方向 页码范围 99-103
页数 5页 分类号 R319
字数 语种 中文
DOI 10.3969/j.issn.1673-7571.2021.11.022
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
自然语言处理
文本语义匹配
迁移学习
智慧医疗
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
中国数字医学
月刊
1673-7571
11-5550/R
大16开
北京市朝阳区光华路甲8号和乔大厦A座528A室
80-133
2006
chi
出版文献量(篇)
6783
总下载数(次)
21
总被引数(次)
25598
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导