详细内容或原文请订阅后点击阅览
神经网络经过训练可以识别社交网络上有关药物的投诉
一组俄罗斯研究人员训练了一个神经网络来分析社交网络用户对药物影响的看法。科学家们的主要目标是弥合患者和医疗保健专业人员之间的术语差距。
来源:Robogeek新闻频道（关于机器人技术的俄罗斯与世界新闻）一组俄罗斯研究人员训练了一个神经网络来分析社交网络用户对药物影响的看法。科学家们的主要目标是弥合患者和医疗保健专业人员之间的术语差距。
作为研究的一部分，科学家使用英语数据库的示例，训练神经网络将用社交网络语言编写的文本转换为社交网络语言（例如，“我整晚都睡不着”或“我”我有点头晕”）转换成正式的医学语言（例如，分别是“失眠”和“头晕”）。
这项任务不仅仅是将自然表达与词汇项进行匹配：问题是用户消息可能根本不与医学术语重叠。
研究结果发表在《生物医学信息学杂志》上。
社交网络实际上是各种问题上取之不尽、用之不竭的意见来源。人们写下他们的工作、人际关系，以及抱怨健康问题等。从本质上讲，社交网络提供了巨大的观点数据集以及人口统计信息和有关用户的其他数据。
尽管科学家经常使用社交网络上的文本挖掘来重新利用药物并生成假设（关于该主题的第一篇工作于 2010 年发表），但很少有人将用户短语与专业术语进行比较。将用户提到的疾病与特定医学术语进行匹配的任务称为医学概念规范化。困难在于专业医学词汇很少与人们在交流中使用的日常词汇一致。为了解决这个问题，俄罗斯研究人员使用了循环神经网络的顺序训练以及单词和多词表达的语义表示。