مقایسه مدل های زبانی مختلف برای بخش بندی متون پزشکی

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:

بخش بندی معنایی متن ، پردازش متن ، پردازش متون پزشکی ، یادگیری ماشین ، یادگیری عمیق