文献类型：期刊文章

作　　者：康旭琴[1] 吴偶[2] 王磊[1] 张音[1] 杨帅[1]

KANG Xuqin;WU Ou;WANG Lei;ZHANG Yin;YANG Shuai(Institute of Health Service and Medical Information,Academy of Military Medical Sciences,Beijing 100850,China;Center for Applied Mathematics&School of Mathematics,Tianjin University,Tianjin 300072,China)

机构地区：[1]军事医学科学院卫生勤务与医学情报研究所,北京100850 [2]天津大学应用数学中心,天津300072

出　　处：《计算机工程与应用》

基　　金：国家重点研发计划课题(No.2016YFC09019002);北京市科技计划课题(No.Z171100003217038)

年　　份：2018

卷　　号：54

期　　号：8

起止页码：260-264

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、IC、INSPEC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：从大量生物医学文献中找出影响疾病的有利因素和有害因素对于疾病的防治研究方向有着重要参考意义。然而,识别疾病影响因素的二分类问题在用传统的机器学习方法进行分类时正确率提升到一定水平后遇到瓶颈难以继续提高。为了提高生物医学领域二分类问题模型的分类性能,利用对于疾病有利和有害的两种因素,采用基于卷积神经网络与支持向量机(SVM)相结合的方法,最终达到超过传统机器学习的性能,使分类的准确率从SVM最佳的90.44%提升到94.38%,从而更好地识别疾病的影响因素。

关 键 词：关联抽取  分类问题  深度学习  机器学习  卷积神经网络 支持向量机

分 类 号：TP391.1]