مقایسه مدلهای زبانی مختلف برای بخشبندی متون پزشکی
|
|
|
DOR
|
20.1001.2.9819073572.1399.3.1.36.2
|
نویسنده
|
خدادوست علی ,قاسمیان فهیمه ,فلاحتی فاطمه
|
منبع
|
كنفرانس ملي فناوريهاي نوين در مهندسي برق و كامپيوتر - 1399 - دوره : 3 - سومین کنفرانس ملی فناوریهای نوین در مهندسی برق و کامپیوتر - کد همایش: 98190-73572
|
|
|
چکیده
|
بخشبندی معنایی یکی از پرکاربردترین مراحل در پردازش متن و پردازش زبان طبیعی است که در خلاصهسازی متون، ترجمه ماشینی، استخراج اطلاعات از متون و تبدیل گفتار به متن کاربرد دارد. در این پژوهش هدف بخشبندی متون پزشکی است. پس از مطالعه روشهای مختلف و گردهآوری دادههای مورد نیاز، یک روش سریع برای بخشبندی 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 بخشبندی متون پزشکی، مدل word2vec و برت کارایی بالا و نزدیک به هم دارند.
|
کلیدواژه
|
خشبندی معنایی متن ,پردازش متن ,پردازش متون پزشکی ,یادگیری ماشین ,یادگیری عمیق
|
آدرس
|
دانشگاه شهید باهنر کرمان, ایران, دانشگاه شهید باهنر کرمان, ایران, دانشگاه شهید باهنر کرمان, ایران
|
|
|
|
|
|
|