您好！欢迎访问云南省人工智能重点实验室
论文列表
论 文 作 者： |
佘朝阳，严馨*，徐广义，陈玮，邓忠莹. |
|
论 文 名 称： |
融合数据增强与半监督学习的药物不良反应检测 |
|
论文发表刊物： |
计算机工程 |
|
论文发表时间： |
2022 |
|
卷 号 页 码： |
|
|
论 文 描 述： |
|
|
收 录 情 况： |
|
| 论 文 摘 要： |
|
| 目前药物不良反应(ADR)研究使用的数据主要来源于英文语料,较少选用存在标注数据稀缺问题的中文医疗社交媒体数据集,导致对中文医疗社交媒体的研究有限。为解决标注数据稀缺的问题,提出一种新型的 ADR检测方法。采用ERNIE预训练模型获取文本的词向量,利用BiLSTM模型和注意力机制学习文本的向量表示,并通过全连接层和softmax函数得到文本的分类标签。对未标注数据进行文本增强,使用分类模型获取低熵标签,此标签被作为原始未标注样本及其增强样本的伪标签。此外,将带有伪标签的数据与人工标注数据进行混合,在分类模型的编码层和分类层间加人Mixup层,并在文本向量空间中使用Mixup增强方法插值混合样本,从而扩增样本数量。通过将数据增强和半监督学习相结合,充分利用标注数据与未标注数据,实现ADR的检测。实验结果表明,该方法无需大量的标注数据,缓解了标注数据不足对检测结果的影响,有效提升了药物不良反应检测模型的性能。 | |
| 点击此处下载文章内容 | |
