革新医疗保健：自然语言处理（NLP）、深度学习（Deep Learning）以及无线传感器网络（WSN）技术在应对COVID-19危机中的应用

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Revolutionizing Healthcare: NLP, Deep Learning, and WSN Solutions for Managing the COVID-19 Crisis

疫情催化数字技术革新，NLP与无线网络结合优化危机管理，包括病毒追踪、医疗优化、远程教育及通信。提出Dual CNN-BERT模型，融合字符级与词级文本特征，提升对噪声数据、拼写错误及专业术语的处理能力，并基于模拟无线传感器网络数据验证效果。

　　

摘要

2020年的COVID-19疫情引发了全球性的社会经济动荡，各国被迫采用数字技术来应对经济衰退并确保通信系统的高效运行。本文探讨了自然语言处理（NLP）在疫情期间利用无线连接技术中的作用。研究评估了无线网络对危机管理多个方面的影响，包括病毒追踪、优化医疗保健、促进远程教育以及实现统一通信。此外，文章还强调了数字包容性在减缓疾病传播和重新连接边缘化社区方面的重要性。为了解决这些挑战，本文提出了一种基于双卷积神经网络（Dual CNN）的BERT模型。BERT模型用于提取文本特征，其内部层能够捕捉与单词和短语相关的复杂上下文信息，使其成为各种文本分析任务中的宝贵特征。双卷积神经网络（Dual CNN）的独特之处在于能够无缝整合字符级和单词级的信息。这种来自不同文本分析层次的见解融合在处理噪声较大、结构复杂的文本数据时尤为有效，尤其是当数据存在拼写错误或特定领域术语时。该模型通过模拟的基于无线传感器网络（WSN）的危机管理文本数据进行了评估。