HyperAIHyperAI

Command Palette

Search for a command to run...

منذ 3 أشهر

نهج تجميع النماذج مع LLM لتصنيف النصوص الصينية

{Hailong Yin Feipeng Dai Wenlong Fang Chengyan Wu}

الملخص

يمكن لتصنيف النصوص الطبية التلقائي أن يساعد الأطباء على إدارة معلومات المرضى بكفاءة. من خلال تصنيف المعلومات النصية مثل وصف المرضى لأعراضهم، يمكن للأطباء العثور بسهولة على المعلومات الأساسية، وتسريع عملية التشخيص، وتقديم نصائح طبية أفضل، وتعزيز نجاح التشخيص الذكي وخدمات الإجابة التلقائية على الأسئلة الطبية. في هذه الورقة، تُقدَّم طريقة لتصنيف النصوص الطبية ضمن مُهمة المشاركة المفتوحة في المؤتمر التاسع لمعالجة معلومات الصحة في الصين (CHIP 2023)، حيث تمثل العلاقات النصية المعقدة التحديين الرئيسيين في هذه المهمة. وتم اقتراح نهج تكامل النماذج لهذه المهمة، الذي يمكنه حل تصنيف النصوص الطبية بشكل فعّال من خلال العلاقة التكميلية بين ثلاث نماذج فرعية مختلفة. بالإضافة إلى ذلك، تقدم الحلول أدوات خارجية لتعزيز البيانات بشكل موجه للعينات الصعبة التي يصعب تصنيفها، بهدف تقليل الأخطاء في التصنيف. وتم الحصول على النتائج النهائية من خلال آلية تصويت بين النماذج. تُظهر النتائج التجريبية أن الطريقة المقترحة تحقق دقة تبلغ 92%، كما تثبت فعالية النموذج.

المعايير القياسية

معيار قياسيالمنهجيةالمقاييس
few-shot-ner-on-chip-2023Qwen-7b-Chat
1:1 Accuracy: 92

بناء الذكاء الاصطناعي بالذكاء الاصطناعي

من الفكرة إلى الإطلاق — عجّل تطوير الذكاء الاصطناعي الخاص بك من خلال البرمجة المشتركة المجانية بالذكاء الاصطناعي، وبيئة جاهزة للاستخدام، وأفضل أسعار لوحدات معالجة الرسومات.

البرمجة المشتركة بالذكاء الاصطناعي
وحدات معالجة رسومات جاهزة
أفضل الأسعار
ابدأ الآن

Hyper Newsletters

اشترك في آخر تحديثاتنا
سنرسل لك أحدث التحديثات الأسبوعية إلى بريدك الإلكتروني في الساعة التاسعة من صباح كل يوم اثنين
مدعوم بواسطة MailChimp