患者レジストリを二次利用した潜在的患者ニーズの自動抽出方法の検討

考虑使用二级患者登记系统自动提取潜在患者需求的方法

基本信息

批准号：
20K07206
负责人：
種村菜奈枝
金额：
$ 2.75万
依托单位：
National Institutes of Biomedical Innovation, Health and Nutrition
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

近年，市民参画型の必要性は社会の場でも議論されている．しかしながら，日本ではハイコンテクスト文化の影響もあり，一般市民が文脈（コンテクスト）に頼らずに率直な意見を明確な言葉として表現することには不慣れである．そのため，一般市民の声を政策や様々な製品開発等へ反映することは容易ではない．本研究では，話し言葉から発話者の潜在的ニーズを予測するための機械学習モデル構築，及びニューラルネットワークを用いて単語をベクトル変換する手法である Word2Vecモデルを用いて機械学習モデルの精度改善を検討した．予備検討では，機械学習モデルの精度比較を行い，最適なモデルを選択した．本調査では，Word2Vecモデルを用いて同義語辞書を作成し，この辞書を使用して同一の特徴量に変換し学習を行う新手法を検討した．新手法の適応の有無で機械学習モデルの精度比較を行った．予備検討でのモデル選定実験の結果，モデル精度は xgboost で F 値 0.54 と最も高く，本調査では，モデル精度は同義語辞書ありで F 値 0.61，なしで F 値 0.54 であり，Word2Vecモデルを用いた同義語辞書の適応が機械学習モデルの精度改善に寄与した．

近年来，在社会上也辩论了公民参与的需求。但是，由于日本的高文化文化的影响，公众不熟悉坦率的观点作为明确的词而不依赖上下文。因此，将普通公民的声音反映成政策和各种产品发展并不容易。在这项研究中，我们研究了机器学习模型的构建，以预测说话者从口头单词中的潜在需求，以及使用Word2VEC模型的机器学习模型改进，这是一种使用神经网络对矢量转换的方法。在初步研究中，比较了机器学习模型，并选择了最合适的模型。在这项研究中，我们研究了一种使用Word2Vec模型创建同义词词典的新方法，将其转换为相同的特征数量并使用此词典进行学习。我们根据是否适应了机器学习模型的准确性。由于初步研究中的模型选择实验的结果，模型的精度最高的XGBOOST，F值为0.54，在这项研究中，模型的精度为0.61的F值为0.61，同义词词词和f值为0.54，而无需同步词词的适应性，使用Word2vec撰写的模型，该模型的适应性为0.54。