多特征混合神经网络模型在ADR分类中的应用

多特征混合神经网络模型在ADR分类中的应用

赵鑫，李正光，吴镝，方金朋

【摘 要】为了充分结合不同特征的信息实现对ADR文本的分类,提出一种混合多特征的神经网络模型，利用自然语言处理(NLP)工具提取不同特征向量作为不同通道的输入，依次使用卷积神经网络(CNN)和LSTM抽取特征，最后经过softmax分类器输出关系类型.通过实验验证对比表明:该模型有较好的识别精度，优于单一特征的神经网络模型. 【期刊名称】大连交通大学学报 【年(卷),期】2024(035)004 【总页数】5

【关键词】文本分类；深度学习；卷积神经网络；多通道；药物不良反应 【文献来源】

https://www.zhangqiaokeyan.com/academic-journal-cn_journal-dalian-jiaotong-

university_thesis/020128849835.html

0 引言

近年来，特别是社交网络的发展使得用于研究药物不良反应的互联网数据增长迅速，文本分类成为处理大量文本数据的关键技术.文本分类，就是在事先给定的类别标记(label)集合下，根据文本的内容来判断它的类别，这在自然语言处理中有着广泛的运用[1].

目前应用到文本分类中的算法很多，例如KNN分类算法、朴素贝叶斯分类算法、支持向量机(SVM)，神经网络、最大熵等，这些方法都是通过浅层神经网络来实现的，在文本分类中取得了很好的效果.但是它们的局限性表现在对复杂函数的表示能力不足，使得对复杂分类问题的泛化能力不足[2-3].