سینا دامی - استادیار گروه کامپیوتر، دانشکده فنی و مهندسی، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران، ایران
نجمه فرقانی - دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی، واحد تهران غرب ،دانشگاه آزاد اسلامی، تهران، ایران

امروزه اطلاعات زیادی در قالب متون الکترونیکی و پایگاه های دادهای متنی در حوزه پزشکی ذخیره شده اند.برای استخراج دانش از این حجم بالای اطلاعات متنی، نیازمند استفاده از روشهای طبقه بندی مستنداتمتنی هستیم. در اکثر روشهای طبقه بندی متن معمولا براساس فراوانی کلمات و در نظر گرفتن متن بهصورت مجموعه ای از کلمات، طبقه بندی انجام میشود. ولی چنین بازنمایی از ویژگی ها منجر به کاهشکارایی الگوریتم های طبقه بندی می گردد. در این مقاله، روشی جدید برای طبقه بندی خودکار متون پزشکیدر سطح جمله ارایه شده است. ما از شبکه های عصبی عمیق برای نشان دادن ویژگی های پیچیده استفادهمی کنیم. ما شبکه ای را در یک مجموعه داده آموزش میدهیم که طبقه بندی وسیعی از اطلاعات بالینی راارایه میدهد. نتایج تجربی نشان داد که روش پیشنهادی درمقایسه با جدیدترین روشهای پیشین که به طورگسترده ای در وظایف پردازش زبان طبیعی استفاده شده است، بسیار بهتر عمل می کند.

طبقه بندی متن، متون بالینی، طبقه بندی جمله، شبکه عصبی عمیق (DNN)