机构名称：
¥ 2.0
63100，雪兰莪Cyberjaya。*通讯作者：（ jayapraj@srmist.edu.in; orcid：0000-0002-2548-9135）摘要 - 这项研究工作开发了一个新框架，将患者的反馈与跨疾病国家的循证最佳实践相结合，以改善药物建议。它以伯特为自由文本处理引擎来处理情感判断和分类。该系统的功能（名为“ Pharmabert”）包括接受药物审查数据作为全面的输入，药物分类，当处理广泛的治疗方法以及对基于BERT的模型进行微调，以获得对特定药物的正面或负面情绪。Pharmabert对BERT结构进行了各种药物和微调分类，以感知很多特定药物的可能情感。因此，Pharmabert将其所有训练和优化功能融合在一起，通过此功能，该系统的精度最高为91％，从而展示了该模型在捕获患者情感方面的效力。在成为Bert旋转时，Pharmabert利用自己的一套经验丰富的技术来理解和感知患者，医生或药剂师给出的与健康有关的文本输入。它使用转移学习，也就是说，它从语言表示中学习以迅速适应药物审查的复杂性。通过药剂师，医疗保健专业人员可能会从患者反馈中扩大诊断，从而构成更中性的决策。关键字 - 来自变压器（BERT），机器学习（ML），人工智能（AI），大语言模型（LLMS），深神经网络（DNN），自然语言处理（NLP）的双向编码器表示。
使用BERT个性化的治疗建议
主要关键词
相关文件推荐
