مقایسه مدل های زبانی مختلف برای بخش بندی متون پزشکی
سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 425
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTI03_058
تاریخ نمایه سازی: 26 تیر 1399
چکیده مقاله:
بخش بندی معنایی یکی از پرکاربردترین مراحل در پردازش متن و پردازش زبان طبیعی است که در خلاصه سازی متون، ترجمه ماشینی، استخراج اطلاعات از متون و تبدیل گفتار به متن کاربرد دارد. در این پژوهش هدف بخش بندی متون پزشکی است. پس از مطالعه روشهای مختلف وگرده آوری داده های مورد نیاز، یک روش سریع برای بخش بندی متون با استفاده از یادگیری عمیق ارائه شده است و تاثیر استفاده از دو مدل زبانی مختلف شامل مدل word2vec و برت مورد مقایسه قرار گرفته است. نتایج حاصل از ارزیابی نشان میدهد که برای بخش بندی متون پزشکی، مدل word2vec و برت کارایی بالا و نزدیک به هم دارند.
کلیدواژه ها:
نویسندگان
علی خدادوست
کارشناس کامپیوتردانشگاه شهید باهنر کرمان، بخش مهندسی کامپیوتر
فهیمه قاسمیان
استادیار، هیئت علمی دانشگاه شهید باهنر کرمان، بخش مهندسی کامپیوتر
فاطمه فلاحتی
دانشجوی دکترادانشگاه علوم پزشکی کرمان، دانشکده مدیریت