利用深度学习模型进行三元分类在COVID-19传染病检测中的COVID-19传染病检测
Jia Luo1,2, Didier El Baz3, Lei Shi4
1College of Economics and Management, Beijing University of Technology, Beijing, China.
Digital health
|October 9, 2024
概括
深度学习模型被用来将COVID-19信息分类为真,假或不确定. 具有预训练嵌入的简单模型在传染病检测方面表现更好.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 公共卫生 公共卫生
背景情况:
- 随着COVID-19大流行,出现了一场严重的传染病,其特点是错误信息和虚假信息的传播.
- 区分真实,虚假和不确定的信息对于公共卫生反应至关重要.
研究的目的:
- 评估各种深度学习模型的有效性,以对COVID-19流行病信息内容进行三元分类.
- 通过机器学习建立用于信息流行病检测的基准绩效指标.
主要方法:
- 应用了八种深度学习模型:快速文本,循环神经网络 (RNN),卷积神经网络 (CNN) 和基于变压器的模型.
- 在数据集上训练和评估模型,将记录分类为真,假或不确定.
主要成果:
- 使用精度,回忆,F1得分和整体准确度来评估性能.
- 混矩阵分析为分类错误和模型行为提供了详细的见解.
结论:
- 具有预训练嵌入式或简单架构的模型在测试数据集上通常表现优于复杂模型.
- 这些发现表明,高效,简单的模型对COVID-19传染病检测有希望,需要进一步调查.
