医疗文本分类
最后更新 2020/05/11 11:51
阅读 9845
文本分类
凉心半浅良心人
-
9
获得赞 -
0
发布的文章 -
1
答辩的项目
使用fast-bert进行医疗文本分类
Batch大小为1，循环次数为1次，通过在线上环境完成训练，模型最优精度评分为83.23。
最后更新 2020/05/11 11:51
阅读 9845
一、赛题分析
医疗文本的分类能够及时快速的对患者的病症和问题进行判断分类，然后分配相应的科室和专家来进行答疑。这样会极大的减少资源的浪费、更快更及时的病症判断。 本次竞赛需要根据患者的病症和问题来预测属于240个类别中的哪一类，如：普通内科、肝病科、健身、急诊科、手足外科等等。
通过使用pandas分析了下本地提供的3万条数据，可以发现数据标签分布不均衡（
本文为作者在FlyAI平台发布的原创内容，未经许可禁止转载。
本文链接地址：https://flyai.com/n/132699
本文链接地址：https://flyai.com/n/132699
赞
立即参加 医疗文本分类
讨论
500字
表情
删除确认
是否删除该条评论？
取消
删除
凉心半浅良心人
-
9
获得赞 -
0
发布的文章 -
1
答辩的项目
论文推荐
经验推荐
感谢您的关注
该篇内容公开后我们将会给你推送公开通知
好的
发布成功！
您的公开申请已发送至后台审核，
通过后将公开展示本详情页！
通过后将公开展示本详情页！
知道了
向贡献者赞赏
¥65.98
微信支付
支付宝
请先绑定您的微信账号 点击立即绑定
立即支付
温馨提示：
支付成功后不支持申请退款，请理性消费；
支付成功将自动解锁当前页面代码内容，付款前请确认账号信息。
支付成功后不支持申请退款，请理性消费；
支付成功将自动解锁当前页面代码内容，付款前请确认账号信息。
微信扫码支付
请前往Web网页进行支付
敬请谅解，如有疑问请联系FlyAI客服
知道了
举报
请选择举报理由
确定
提示
确定要删除？
取消删除