原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种应用于医疗文本的疾病分类多任务学习方法，包括以下步骤：S1、对医疗文本使用词嵌入技术得到词嵌入矩阵，并使用文本编码器从词嵌入矩阵中获得医疗文本的语义信息；S2、根据词嵌入矩阵和医疗文本的语义信息获得医疗文本的标签参数；S3、根据医疗文本的标签参数计算最终损失函数；S4、通过多任务学习方式最小化最终损失函数，使用最小化的最终损失函数对分类模型进行训练；S5、使用训练好的模型对待分类的医疗文本进行分类，完成医疗文本的疾病分类，本方法无需手动进行特征选择，还建立了标签之间的依赖关系。
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117672541A
(43)申请公布日2024.03.08
(21)申请号202311542749.4
(22)申请日2023.11.17
(71)申请人西南交通大学
地址610031
文档评论（0）