文献

J-GLOBAL ID：201802228714871909   整理番号：18A0161613

深部gramulator:深い学習を用いた個人健康経験ツイッター上の分類における精度の改善【Powered by NICT】

Deep gramulator: Improving precision in the classification of personal health-experience tweets with deep learning

著者 (4件)： Calix Ricardo A. (Purdue University Northwest, Hammond, USA) ,  Gupta Ravish (Purdue University Northwest, Hammond, USA) ,  Gupta Matrika (Purdue University Northwest, Hammond, USA) ,  Jiang Keyuan (Purdue University Northwest, Hammond, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 1154-1159  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 健康監視はヒトの健康に関連した発生を追跡するために重要な課題であり,その地域の一つはpharmacovigilanceである。市販後医薬品安全性監視トラックと医薬品の安全な使用を監視する。市販後医薬品安全性監視は医薬品と他の健康関連薬物に起因する可能性があることを追跡側効果を含んでいる。医療専門家はこの情報を収集するのは困難である。ソーシャルメディアはこのデータを収集し,副作用を追跡するために役立つ可能性があることが予想される。ツイッターデータは,ユーザが彼らの個人的健康関連経験オンライン後ことを考えると,このタスクに用いることができる。Twitterデータの一つの問題は,しかしながら,それは多くのノイズを含んでいることである。それによって手法は,雑音を除去するために必要である。本論文では,深いニューラルネットを含むいくつかの機械学習アルゴリズムは,これらの個人的経験ツイート(PET)を検出するのを助けることができる分類器を構築した。最後に,結果を改善することを深いGramulatorと呼ばれる手法を提案した。解析の結果を示し,議論した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 雑音 ,  医療従事者 ,  ニューラルネットワーク ,  安全性 ,  学習アルゴリズム ,  *深部
準シソーラス用語： オンライン ,  ソーシャルメディア ,  医薬品安全性監視 ,  ヒトの健康 ,  健康調査 ,  *ツイッター ,  *健康 , 【Automatic Indexing@JST】

分類 (1件)： 医用情報処理  (JE15030Q)

タイトルに関連する用語 (6件)： 深部 ,  学習 ,  個人 ,  経験 ,  ツイッター ,  分類