به گزارش ایسنا، این مقاله با عنوان “Effective text classification using BERT, MTM LSTM, and DT” به معرفی یک معماری جدید یادگیری عمیق بر مبنای مدل‌های BERT و LSTM پرداخته است. لینک دسترسی به مقاله در این نشانی موجود است.

 مجله “Data & Knowledge Engineering” با نمایه Web of Science (ISI) و ضریب تأثیر ۲.۵ در جایگاه Q۲ قرار دارد که نشان‌دهنده کیفیت و اعتبار بالای مقالات منتشر شده در این مجله است.
 در این پژوهش، معماری پیشنهادی به‌صورت ترکیبی برای طبقه‌بندی نظرات بیماران در مورد کلیات، مزایا و عوارض جنبی داروهای خاص استفاده شده است. نتایج شبیه‌سازی نشان می‌دهد که این معماری در مقایسه با روش‌های پایه و ترکیبی یادگیری عمیق اخیر برای طبقه‌بندی متنی، عملکرد بهتری دارد و موفقیت چشمگیری را به دست آورده است.

 این دستاورد مهم علمی، نه‌تنها نشان‌دهنده توانمندی‌های پژوهشی دانشگاه علم و فرهنگ و همکاری‌های بین‌المللی مؤثر آن است، بلکه می‌تواند در بهبود سیستم‌های طبقه‌بندی متنی و تحلیل نظرات بیماران نقش مؤثری ایفا کند.

 پژوهشگران امیدوارند که این روش جدید، بتواند به بهبود فرایندهای پزشکی و درمانی کمک کرده و در تحلیل دقیق‌تر نظرات بیماران و شناسایی مزایا و عوارض جنبی داروها مفید باشد.

انتهای پیام