KESDT：知识增强的浅层和深度 Transformer 用于检测药物不良反应
原文中文，约300字，阅读约需1分钟。发表于：。通过在转换器模型中采用领域关键词的浅层融合和同义词集合的深层融合，并使用聚焦损失函数来训练模型，我们提出了知识增强的浅层和深层转换器 (KESDT) 模型用于不良药物反应 (ADR) 的检测，并在 TwiMed、Twitter 和 CADEC 三个公共数据集上进行广泛实验。我们的 KESDT 模型在 F1 值上优于现有技术水平，相对改进幅度分别为 4.87%、47.83% 和...
通过融合关键词和同义词集合以及聚焦损失函数训练模型，我们提出了知识增强的转换器模型，用于检测不良药物反应。实验结果表明，我们的模型在三个公共数据集上的F1值优于现有技术水平，相对改进幅度分别为4.87%、47.83%和5.73%，证明了模型的有效性。
