面向网络虚假医疗信息的识别模型构建研究 —— 一种基于预训练的BERT模型          下载免费PDF全文

赵月华  朱思成  苏新宁 《情报科学》2021,39(12):165-173

【 目的/意义】解决获取虚假网络医疗信息数据集时专业知识不足的问题,帮助在小样本领域构建虚假网络 医疗信息识别模型。【方法/过程】本文提出一种基于权威辟谣信息转化提取构建网络虚假医疗信息数据集的思路, 并依次构建传统机器学习模型、CNN模型和BERT模型进行分类识别。【结果/结论】结果表明,基于辟谣信息能够 实现以较低成本、不依赖专家标注构建虚假医疗信息数据集。通过对比实验发现,基于微博数据预训练的 BERT 模型准确率为 95.91%,F1值为 94.57%,相比于传统机器学习模型和 CNN模型提升分别接近 6%和 4%,表明本文构 建的基于预训练的BERT模型在网络虚假医疗信息识别任务上取得了更好的效果。【创新/局限】本文提出的方法能 以较低成本建立专业领域的虚假信息数据集,所构建的BERT虚假医疗信息识别模型在小样本领域也具有实用价 值,但在数据集规模、深度学习模型对比、模型性能评价指标等方面还有待拓展与延伸。  相似文献   

我给妈妈换发型     

朱思成 《少年世界》2009,(4):12-13

设计意图:每个孩子都热爱自己的妈妈,当他们在妈妈怀抱里尽情嬉戏时,妈妈的头发一定曾是他们玩耍的对象。丝滑的头发给孩子带来了温暖与安详,同时又充满了遐想!因此,幼儿会想"妈妈换个发型是什么样子的呢?"  相似文献