BriefGPT - AI 论文速递
·
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。
📝
内容提要
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。
🎯
关键要点
-
提出了知识增强的转换器模型，用于检测不良药物反应。
-
模型通过融合领域关键词和同义词集合，以及使用聚焦损失函数进行训练。
-
在TwiMed、Twitter和CADEC三个公共数据集上进行了广泛实验。
-
KESDT模型在F1值上优于现有技术水平，改进幅度分别为4.87%、47.83%和5.73%。
-
实验结果证明了KESDT模型的有效性。
➡️
