崔TY -的A2 -道,非盟-高,小君非盟- Liu Ninghao盟——域名,马克AU -胡,夏PY - 2017 DA - 2017/08/03 TI -一个可判断的分类框架信息提取的在线医疗论坛SP - 2460174六世- 2017 AB -在线医疗论坛(OHFs)已成为越来越受欢迎的病人分享他们与健康有关的经历。医药相关文本发布OHFs可以帮助医生和患者更好地理解具体的疾病和其他病人的情况。提取文章的意义,常用的方法是将句子分成几个预定义的类别不同的语义。然而,非结构化形式的在线文章带来挑战现有的分类算法。此外,尽管许多复杂的分类模型如深层神经网络有良好的预测能力,很难解释模型和预测的结果,那就是,然而,医疗应用的关键。应对上述挑战,我们提出一个有效的和可翻译的OHF帖子分类框架。具体来说,我们把句子分成三类:药物治疗,症状,和背景。每个句子是投射到一个解释的特征空间组成的标记序列模式,uml语义类型,以及其他启发式的功能。与森林有关的模型为分类OHF开发职位。一种解释方法也发达,可以显式地提取决策规则有所了解有用的信息的文本。 Experimental results on real-world OHF data demonstrate the effectiveness of our proposed computational framework. SN - 2040-2295 UR - https://doi.org/10.1155/2017/2460174 DO - 10.1155/2017/2460174 JF - Journal of Healthcare Engineering PB - Hindawi KW - ER -