研究文章

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微调和农场

表2

比较的结果成果通过FARM-BERT取得基线模型应用于Twitter和PubMed数据集。

模型 特性 推特 PubMed

支持向量机 - - - - - - 0.701 0.650 0.675 0.711 0.682 0.695
ADR条款 0.503 0.514 0.508 0.539 0.558 0.548
嵌入的句子 0.604 0.644 0.624 0.671 0.611 0.641
- - - - - -克+ ADR条款+句子嵌入 0.729 0.688 0.708 0.717 0.706 0.711

中长期规划 - - - - - - 0.711 0.661 0.686 0.719 0.684 0.701
ADR条款 0.512 0.524 0.518 0.521 0.544 0.532
嵌入的句子 0.615 0.645 0.630 0.685 0.666 0.675
- - - - - -克+ ADR条款+句子嵌入 0.727 0.738 0.732 0.733 0.756 0.744

LSTM Word2vec字嵌入 0.779 0.798 0.788 0.801 0.792 0.796
Fasttext字嵌入 0.786 0.812 0.799 0.825 0.798 0.811
手套字嵌入 0.771 0.782 0.776 0.810 0.786 0.798

美国有线电视新闻网 Word2vec字嵌入 0.854 0.799 0.826 0.861 0.806 0.833
Fasttext字嵌入 0.863 0.801 0.832 0.877 0.819 0.848
手套字嵌入 843年0 . . 0.803 0.823 0.872 0.798 0.835

伯特 伯特嵌入 0.831 0.850 0.870 0.920 0.930 0.910

FARM-BERT 伯特嵌入 0.840 0.861 0.896 0.982 0.964 0.976