TY - A2的纱丽Murat AU -侯赛因,Sajid AU -阿夫扎尔,Hammad AU -赛义德,Ramsha盟——Iltaf奈玛非盟- Umair米尔亚希尔PY - 2021 DA - 2021/08/13 TI -药物警戒与变形金刚:一个框架来检测药品不良反应使用伯特调整农场SP - 5589829六世- 2021 AB -药品不良反应(adr)的使用相关的不良影响是由于一些药物药理作用的药物。在过去的几年里,社交媒体已经成为一个流行的平台,人们讨论他们的健康问题,因此,已成为一个受欢迎的分享信息来源与ADR的自然语言。介绍了一个端到端的系统造型ADR从给定的文本检测通过微调伯特为适应高度模块化框架表示模型(农场)。伯特克服主要神经网络带来显著的性能提升。然而,训练伯特是一个计算昂贵的任务限制了其使用的生产环境中,很难确定最重要的hyperparameters下游任务。此外,开发一个端到端的ADR下游提取系统包括两个任务,即。、文本分类过滤文本包含药物不良反应和提取ADR提到的文本分类,也是具有挑战性的。FARM-BERT这项工作中所使用的框架,支持多任务学习通过结合多个预测头使训练的端到端系统简单、计算速度快。在该模型中,一个预测头用于文本分类,另一种是用于ADR序列标签。实验是在Twitter上执行,PubMed、TwiMed-Twitter TwiMed-PubMed数据集。 The proposed model is compared with the baseline models and state-of-the-art techniques, and it is shown that it yields better results for the given task with the F 分数为89.6%,97.6%,84.9%,95.9%的人在推特上,PubMed, TwiMed-Twitter TwiMed-PubMed数据集,分别。此外,提出了模型的训练时间和测试时间与伯特的相比,和结果表明,该模型计算速度快于伯特。SN - 1748 - 670 - 2021/5589829 / 10.1155 x你——https://doi.org/10.1155/2021/5589829——摩根富林明——计算和数学方法在医学PB - Hindawi KW - ER