基于迁移学习和集成学习的医疗文本分类

• 作者: 郑承宇 王新 王婷 徐权峰
• 来源期刊: 计算机技术与发展
• 学科: 工学
• 关键词: 迁移学习 集成学习 ALBERT Bi-LSTM-CNN 医疗文本 健康问句
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 大数据分析与挖掘
• 页码范围: 28-33
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1673-629X.2022.04.005

摘要

针对医疗文本语义稀疏、维度过高的问题,提出一种基于迁移学习和集成学习的多标签医疗文本分类算法(Trans-LSTM-CNN-Multi,TLCM).该算法采用ALBERT(A Lite BERT)模型内部的多层双向Transfomer结构对大型语料库展开训练,获取通用领域的文本动态字向量表示.然后,利用医学领域目标数据集通过迁移学习和模型微调技术实现ALBERT预训练语言模型在医学领域的文本语义增强.在此基础上,将上述通过迁移学习得到的文本语义增强模型输入到Bi-LSTM-CNN集成学习模块,进一步提取医学文本内容的重要信息特征.最后,基于二元交叉熵损失函数构造文本多标签分类器实现医疗文本分类.实验结果表明,通过迁移学习和集成学习的TLCM文本分类算法能有效提升医疗文本的分类性能,在中文健康问句数据集上整体F1值达到了91.8％.