分别使用rnn/cnn/rcnn模型来实现根据患者描述,进行疾病诊断
分别使用rnn,cnn,rcnn模型来实现医疗疾病诊断,即文本分类工作
- rnn模型如下,经过LSTM取最后一刻的输出,之后经过softmax函数分类,模型的结构如下图所示。
- cnn模型参考Yoon Kim论文《Convolutional Neural Networks for Sentence Classification》实现,模型结构图如下所示。
通过实验研究发现,由于该网络中,只取最大的权重作为最后的分类,容易存在过拟合。因此,我们改进了原始的TextCNN,提出了:
- 基于平均特征层的卷积神经网络(Mean Features Convolutional Nerual Network for Sentence Classification,MF-TextCNN)
- 基于全特征相连层下的卷积神经网络文本分类模型(All Features Concat Convolutional Nerual Network for Sentence Classification,AFC-TextCNN)
- python 3
- tensorflow >= 1.5
- numpy
- zhon
- jieba
models | presicion | note |
---|---|---|
rnn | 0.78 | 收敛较慢 |
textcnn | 0.82 | 收敛较快,容易过拟合 |
MF-textcnn | 0.80 | 收敛较慢,欠拟合 |
AFC-textcnn | 0.88 | 收敛速度一般,准确率较高 |
rcnn | 0.84 | 收敛较快 |
欢迎各位大佬指正!