检索结果-南通市图书馆

检索条件"主题词=医疗健康问句分类"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的中文健康问句分类方法研究

基于深度学习的中文健康问句分类方法研究

引用

作者：张治满西北师范大学

学位级别：硕士

随着信息技术的发展和人民生活水平的不断提高,医疗健康成为公众关注的热点话题,通过搜索引擎、问答系统等方式来查询和咨询医疗健康问题逐渐成为公众健康问题咨询的主流途径。问答系统作为一种回答高效、交互人性化的在线平台,降低了... 详细信息

随着信息技术的发展和人民生活水平的不断提高,医疗健康成为公众关注的热点话题,通过搜索引擎、问答系统等方式来查询和咨询医疗健康问题逐渐成为公众健康问题咨询的主流途径。问答系统作为一种回答高效、交互人性化的在线平台,降低了在线用户的使用难度、缓解了健康咨询专家的咨询压力。在交互过程中,问答系统首先要准确理解用户问题的意图,只有正确理解用户问题,问答系统才能准确返回给用户预期的答案。针对在线用户咨询过程中的健康问题分类技术,本文展开了以下方面的研究:（1）融合局部语义和全局结构的健康问句粗类分类。针对已有健康问句分类方法的不足,本文提出了一种融合局部语义和全局结构的健康问句分类方法。首先,通过卷积神经网络和独立循环神经网络分别获得句子的局部语义表示和全局结构表示。然后,利用自注意力机制将局部语义表示向量和全局结构表示向量融合,得到句子的最终语义表示向量。最后,通过分类层分类并输出分类结果。实验结果表明,本文方法有效地改善了梯度消失和梯度爆炸问题,相比已有方法,本文方法在中文健康问句数据集上取得了更高的F值。（2）结合外部知识和双层注意机制的健康问句细类分类。针对在线用户用词不规范的问题,本文提出了一种基于外部知识和双层注意机制的深度神经网络分类方法。首先,通过一个双向GRU对词进行编码;接着,通过词表得到当前词的候选词,并通过第一层注意机制得到当前词的向量表示;然后,通过第二层注意机制得到健康问句的最终语义表示;最后通过分类层分类并输出结果。实验结果表明,本文方法丰富了词义信息,缓解了消费者用词不规范的问题,改善了少量文本的分类效果。（3）基于编码解码结构的健康问句多标签分类。针对在线用户提出的多主题问题,本文提出一种基于卷积神经网络、长短时记忆网络和注意机制的多标签分类方法。首先,使用卷积神经网络得到连续的局部语义特征;接着,使用长短时记忆网络对序列进行建模得到健康问句的初始编码表示;然后,通过注意机制给予重点语义信息更多的关注,得到健康问句的最终编码表示;最后,通过解码器输出标签序列。实验结果表明,本文方法不仅使标签间建立了联系,还使标签与句子间的联系变得更加紧密。

关键词：医疗健康问句分类深度学习卷积神经网络长短时记忆网络注意机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：