机构名称：
¥ 1.0
摘要：由于冠状病毒已经出现，因此，合法临床资源的无法访问达到顶峰，例如缺乏专家和医护人员，缺乏适当的设备和药品等。整个医疗兄弟会处于困境中，这导致了许多个人的灭亡。由于无法获得，个人开始独立服用药物而无需进行适当的咨询，这使健康状况比平时更糟。最近，机器学习在众多应用中都很有价值，并且自动化创新工作有所增加。本文打算提出一种可以大大减少专家堆的药物推荐系统。在这项研究中，我们构建了一个医学建议系统，该系统使用患者评论来使用弓，TF-IDF，Word2VEC和手动功能分析等各种矢量化过程来预测情绪，该过程可以通过不同的分类算法帮助推荐给定疾病的顶级药物。通过精确度，召回，F1SCORE，准确性和AUC分数评估预测的观点。结果表明，使用TF-IDF矢量化的分类器线性化优于所有其他模型，其精度为93％。关键字：情感分析，机器学习，药物评论，建议系统，自然语言处理I.介绍电晕病毒病例的数量成倍增长，各国面临医生的短缺，尤其是在与城市地区相比少的专家数量的农村地区。医生大约需要6到12年才能获得必要的资格。因此，可以在短时间内迅速扩大医生的数量。在这个困难时期，远程医疗框架应该尽可能地充满活力。临床失误如今非常常规。由于处方错误，中国超过20万人在美国每年受到影响。超过40％的药物，专家在开处方时会犯错误，因为专家构成了其知识所引用的解决方案，这是非常限制的。选择高级药物对于需要了解有关微观生物，抗菌药物和患者的广泛信息的患者很重要。每天都有一项新的研究随附更多的药物，测试，每天都有临床人员使用。相应地，事实证明，医生要根据过去的临床病史选择哪种治疗或药物给患者的治疗或药物逐渐挑战。这项研究工作分为五个部分：引言领域，提供了有关这项研究需求的简短见解，相关的工作部分对先前研究的研究领域进行了简洁的见解，方法论部分包括本研究中采用的方法，结果段评估了使用各种衡量标准的应用模型的局限性，该部分的限制了框架的限制，并结束了框架和最后一部分。目标情感分析：确定药物评论的情感（正，阴性，中性）。用户界面：开发一个直观界面供用户输入药物评论并收到建议。建议系统：根据用户偏好和审查观点提供个性化的药物建议。数据收集来源：从在线药物审查平台，医疗保健论坛或公共数据集中收集数据，例如Kaggle的药物评论数据集。属性：包括药物名称，经过治疗的状况，审查文本，评级和审查日期。
国际杂志 - 多学科研究
主要关键词
相关文件推荐
