典型文献
一种面向医学宣教长文本多分类方法的研究与设计
文献摘要：
目的:提出一种面向医学宣教长文本的多分类方法,提高管理人员的数据管理效率.方法:采用ALBERT预训练模型对宣教内容进行编码,然后利用多尺度金字塔卷积神经网络提取和学习长文本宣教内容的深层语义特征,最后输出多分类结果.结果:ALBERT预训练模型具有较高的分类精确率,达到93.56％,召回率与F1值分别为91.29％和92.22％,构建了带科室标注的宣教内容数据集,利用诊断名称对数据集进行样本增强,增加了模型的鲁棒性.结论:结合深度学习的宣教内容分类系统提供了准确的科室分类结果,具有实际的应用价值.
文献关键词：
数据管理;宣教内容分类;ALBERT;金字塔卷积神经网络
中图分类号：
作者姓名：
徐波雷;盛芝仁;王伟楠;忻超;刘柏嵩
作者机构：
315000浙江宁波,宁波大学医学院附属医院;宁波大学信息科学与工程学院
文献出处：
引用格式：
[1]徐波雷;盛芝仁;王伟楠;忻超;刘柏嵩-.一种面向医学宣教长文本多分类方法的研究与设计)[J].中国数字医学,2022(07):45-49,106
A类：
宣教内容分类
B类：
教长,长文,文本多分类,分类方法,研究与设计,数据管理,管理效率,ALBERT,预训练模型,多尺度金字塔,金字塔卷积神经网络,深层语义,语义特征,精确率,召回率,科室,样本增强,分类系统,室分
AB值：
0.27126
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。
