基于Word2Vec及大众健康信息源的疾病关联探测

来源 :现代图书情报技术 | 被引量 : 0次 | 上传用户:pipiyouxi
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
【目的】利用Word2Vec深度学习技术从面向大众的健康信息中寻找疾病关联,解决非医学人士通常不了解多种疾病之间存在的关联,从而影响到健康信息搜寻中的全面性和有效性的问题。【方法】由专家选取30个常见疾病主题,从高质量医学新闻网站上采集对应疾病的文档,运用Word2Vec技术对各疾病的相关文档构造词向量,计算向量距离判断疾病关联。通过与专家评分的相关分析衡量判断结果的准确性。【结果】最优情况下,Word2Vec得到的结果与专家评分相关系数达到0.635。通过对比不同的算法模型、优化方法、数据规模及重要参数对结果的影响,发现Skip-Gram模型结合负样本数为20的Negative Sampling优化方法在大规模数据集上的实验结果最优。【局限】疾病主题选取宽泛时,影响Word2Vec判断准确性,本文的疾病主题选取粒度有待改善。【结论】利用Word2Vec技术在面向大众的健康信息源中也可以探测疾病关联,其有效性表明该技术可用于改善大众的健康信息搜寻的个性化服务。 【Objective】 Using Word2Vec deep learning technology to find disease association from public health information and solving the problem that non-medical people generally do not understand the relationship between multiple diseases, thus affecting the comprehensiveness and validity of health information search . 【Methods】 30 common disease topics were selected by experts. The corresponding disease documents were collected from high-quality medical news websites. Word2Vec was used to construct word vectors of related documents for each disease and vector distance was used to judge the disease association. The accuracy of judgment results is measured by correlation analysis with expert scores. 【Result】 Under the best condition, the correlation coefficient between Word2Vec and expert score reached 0.635. By comparing the effects of different algorithm models, optimization methods, data size and important parameters on the results, it is found that the Skip-Gram model combined with Negative Sampling optimization method with negative sample number 20 has the best experimental results on large-scale data sets. [Limitations] Wide selection of disease topics, affecting Word2Vec to determine the accuracy of the selection of the disease theme needs to be improved. [Conclusion] Using Word2Vec technology to detect disease association in health-oriented health information sources, its effectiveness shows that the technology can be used to improve the public health information search personalized service.
其他文献
本文作者针对高校中的贫困学生群体进行调查,提出高校贫困生在心理、学习、生活等各个方面出现的问题,并通过调查试卷和调查数据对这些问题进行细致地研究,从而找到解决这些问题
目的了解血清学定型为B(A)血型标本的分子基础。方法采用PCR-SSP方法检测以血清学方法定型为B(A)血型的4名献血者和8例送检患者标本的ABO基因型;对于有O等位基因的杂合子标本
当前的社会治安形势日益复杂和严峻,公安机关侦查破案工作面临极大的压力。在金盾工程的基础上,进一步将数据挖掘技术应用于刑侦工作,对于警方提高执法效率具有十分重要的意
吐哈油田三塘湖盆地条湖—马朗凹陷是吐哈油田重要的致密油勘探区域,油层深度为2000~3000m,油层厚度10~40m,储层物性差,属低渗致密油藏。区块前期主要以直井开发、常规压裂为
针对自定心三爪测头尾端的线芯数较多,电缆比较粗和硬的问题,将无线控制直流伺服电机的技术应用到系统中,提出了一种基于DSP和nRF24L01的无线控制直流伺服电机的方法。该系统
教师教学决策是教师为了学生发展而自主选择教学行为的过程,分为教学前的计划决策、教学中的互动决策和教学后的评价决策三部分。教学决策是教学活动的重要组成部分,核心是教
随着光学电压互感器在电网的广泛使用,光学电压互感器的故障诊断也成为迫切需要解决的问题。本文提取光学电压互感器故障模式的形状特征、时域特征、频域特征和时频联合特征
目的采用分子生物学方法进行疑难血型鉴定及其遗传发生机制分析,探究分子生物学在红细胞血型分型技术中的必要性和可行性。方法使用血清学和分子生物学方法,对1例二次献血时
在当今科技进步日新月异的时代,随着传统竞争手段差异的不断缩小,企业要建立或保持竞争优势,除有效地组织资源、发展技术以外,更具决定性的因素就是人力资源。企业之间的竞争
目的以核苷酸序列分析鉴定出血型血清学分型困难标本的ABO血型基因型。方法对常规血清学方法难以做ABO血型准确定型的3例被捡血样,采用PCR方法扩增其ABO等位基因的第6、7外显