典型文献
基于ERNIE_BiGRU模型的中文医疗文本分类
文献摘要：
[目的]探究ERNIE模型(Enhanced Language Representation with Informative Entities)和双向门限循环单元(BiGRU)在医疗疾病名称科室分类中的效果及差异.[方法]以医疗疾病名称为训练样本,以BERT(Bidirectional Encoder Representa?tion from Transformers)为对比模型并在模型之后加入不同网络层进行训练探究.[结果]ERNIE模型在分类效果上优于BERT模型,精度约高4％,其中精确度可达79.48％,召回率可达79.73％,F1分数可达79.50％.[局限]仅对其中的八个科室进行分类研究,其他类别由于数据量过少而未纳入分类体系中.[结论]ERNIE-BiGRU分类效果较好,可应用于医疗导诊系统或者卫生统计学中.
文献关键词：
文本分类;医疗导诊系统;利用知识增强语义表示模型;双向门限循环单元;人工神经网络与计算
中图分类号：
作者姓名：
常俊豪;武钰智
作者机构：
西南民族大学电气工程学院,四川成都610000
文献出处：
引用格式：
[1]常俊豪;武钰智-.基于ERNIE_BiGRU模型的中文医疗文本分类)[J].电脑知识与技术,2022(01):101-104
A类：
中文医疗文本,Representa,医疗导诊系统,利用知识增强语义表示模型
B类：
ERNIE,BiGRU,文本分类,Enhanced,Language,Representation,Informative,Entities,双向门限循环单元,疾病名,科室,室分,训练样本,BERT,Bidirectional,Encoder,from,Transformers,对比模型,网络层,层进,分类效果,召回率,八个,分类研究,数据量,未纳,分类体系,卫生统计学,人工神经网络与计算
AB值：
0.369365
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
