>
Fa   |   Ar   |   En
   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
 
     
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved