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，社会各界对公民参与的必要性进行了讨论。然而，在日本，由于受到高语境文化的影响，普通公民不习惯不依赖语境，用清晰的语言表达自己的坦率意见。因此，在政策和产品开发上反映广大民众的声音并不容易。在本研究中，我们构建了一个机器学习模型来根据口语单词预测说话者的潜在需求，并研究使用 Word2Vec 模型（一种使用神经网络将单词转换为向量的方法）来提高机器学习模型的准确性。．．在初步研究中，我们比较了机器学习模型的准确性并选择了最佳模型。在本研究中，我们使用Word2Vec模型创建了同义词词典，并研究了一种使用该词典转换为相同特征值进行学习的新方法。我们比较了应用和不应用新方法的机器学习模型的准确性。前期研究中的模型选择实验结果显示，xgboost的模型准确率最高，F值为0.54，而本研究中，使用同义词词典时，模型准确率F值为0.61，F值为0.54如果没有它，使用Word2Vec模型对之前使用的同义词词典进行改编有助于提高机器学习模型的准确性。