隨著我國(guó)“雙一流”建設(shè)戰(zhàn)略的持續(xù)推進(jìn),大型公立醫(yī)院日益重視自身學(xué)科建設(shè)。尤其當(dāng)今醫(yī)院的地域優(yōu)勢(shì)逐漸削減,競(jìng)爭(zhēng)壓力越來(lái)越大,加強(qiáng)學(xué)科建設(shè)成為提升醫(yī)院競(jìng)爭(zhēng)力、促進(jìn)醫(yī)院發(fā)展的內(nèi)在需求。而學(xué)科評(píng)估是學(xué)科建設(shè)過程中的重要一環(huán),它不僅是評(píng)估學(xué)科建設(shè)成果、發(fā)現(xiàn)學(xué)科建設(shè)問題、指導(dǎo)學(xué)科建設(shè)方向的重要方法,也是提高醫(yī)院核心競(jìng)爭(zhēng)力的重要手段。在學(xué)科評(píng)估中,將SCI論文等文本數(shù)據(jù)按照學(xué)科評(píng)估體系進(jìn)行數(shù)據(jù)分類是開展學(xué)科評(píng)估工作的基礎(chǔ),學(xué)科分類的準(zhǔn)確性和效率對(duì)學(xué)科評(píng)估工作的順利推進(jìn)影響甚大。目前公開發(fā)表的針對(duì)學(xué)科評(píng)估中文本分類的研究相對(duì)較少,在學(xué)科評(píng)估的文本分類實(shí)踐中,中國(guó)醫(yī)學(xué)科學(xué)院推出的STEM研究先后利用詞表匹配和基于機(jī)器學(xué)習(xí)的文本分類方法開展臨床醫(yī)學(xué)學(xué)科文本數(shù)據(jù)的分類工作,詞表匹配方法存在學(xué)科詞表構(gòu)建難度大、時(shí)間成本高等問題�；跈C(jī)器學(xué)習(xí)的文本分類算法存在不考慮詞的語(yǔ)義關(guān)系,特征工程過程中會(huì)損失分類信息且模型的計(jì)算能力不足等問題。這些問題導(dǎo)致STEM研究中文本分類的整體分類性能不佳且相似學(xué)科容易彼此錯(cuò)分�？紤]到深度學(xué)習(xí)方法在文本分類研究中被廣泛運(yùn)用,且在新聞?wù)Z料、社交網(wǎng)站評(píng)論語(yǔ)料等語(yǔ)料集上比基于機(jī)器學(xué)習(xí)的文...

【文章頁(yè)數(shù)】：81 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖１．基于混合深度學(xué)習(xí)模型的臨床醫(yī)學(xué)學(xué)科文本分類研宄技術(shù)路線圖??１．５論文組織結(jié)構(gòu)??本研究分為六個(gè)章節(jié)，具體結(jié)構(gòu)安排及內(nèi)容如下：??

—…??ｊ??ＩＩ?數(shù)據(jù)篩癬文本預(yù)處理及文本表樂?｜?；??Ｉ??ｒ?——：ｚｚ；??Ｉ?ｌ?ｉ?（對(duì)比分析法）??ｊ１?混合深度學(xué)習(xí)模型分類器實(shí)現(xiàn)｜?｜?邀于支持向恿機(jī)的分類器實(shí)現(xiàn)１ｊ??Ｉ??！?ｉ?；?ｊ?（實(shí)折法）??｜?多分類性能評(píng)估與對(duì)比?丨??：?］?Ｉ??ｊ?二分....

圖２．文本分類流程圖??

?北京協(xié)和醫(yī)學(xué)院???Ｉ??Ｉ????訓(xùn)練集文本Ｉ?＾?＾?＊分類器??－￣Ｉ?文特?Ｉ調(diào)??￥?本征?節(jié)??１?表降?丨Ｉ??，１?｜］?Ｉ?示維?１數(shù)????測(cè)試集文本１＾?￣￣＊分類器＾效果評(píng)估??？??一???．．．．????圖２．文本分類流程圖??２．１．１文本預(yù)處理?....

圖３．Ｋ－近鄰算法７Ｋ意圖??

?北京協(xié)和醫(yī)學(xué)院???：ｅ）??圖３．Ｋ－近鄰算法７Ｋ意圖??（２）?ＤＴ算法??決策樹算法利用歸納算法構(gòu)建一顆決策樹來(lái)挖掘訓(xùn)練集文本中包含的分類??規(guī)則。該算法是一種樹結(jié)構(gòu)，其中每個(gè)非葉節(jié)點(diǎn)表示對(duì)某個(gè)特征項(xiàng)的測(cè)試（有無(wú)??該特征項(xiàng)或者該特征項(xiàng)的權(quán)重值），而葉節(jié)點(diǎn)表示一個(gè)類別，從....

圖４．?ＣＢＯＷ模型和Ｓｋｉｐ＿ｇｒａｍ模型結(jié)構(gòu)示意圖??以ＣＢＯＷ模型的訓(xùn)練過程為例，訓(xùn)練語(yǔ)料中的所有詞構(gòu)成一個(gè)詞典，設(shè)一??

院???量并首尾相連形成新的向量作為模型的輸入，輸出則是長(zhǎng)度為詞典大小的向量，??向量中每一維的數(shù)值就是該維度映射在詞典中的對(duì)應(yīng)詞語(yǔ)的得分，詞向量只是神??經(jīng)網(wǎng)絡(luò)語(yǔ)言模型在求解過程中的副產(chǎn)品，但其卻包含豐富的語(yǔ)義關(guān)系。??Ｗｏｒｄ２ｖｅｃ詞向量生成工具也是利用淺層神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)....

本文編號(hào)：3984858