医疗信函的自动编码与可解释性的比较研究
原文中文，约300字，阅读约需1分钟。发表于：。本研究旨在探索利用自然语言处理（NLP）和机器学习（ML）技术，通过可视化的解释能力和轻量级本地计算机环境自动编码医疗信件。
本文介绍了层次化标签注意力网络（HLAN）和标签嵌入（LE）初始化方法，用于提高自动化医学编码的性能和深度学习模型的可解释性。实验结果显示，HLAN在预测排名前50个编码时具有最佳的微观级别AUC和F1值，并能突出显示每个标签中最显著的单词和句子。LE初始化方法能够提升大多数深度学习模型的性能。
