自动图表构建以及探索适用于亚洲印地语医学评论情感分析的不同类型的LSTM（长短期记忆网络）

《ACM Transactions on Asian and Low-Resource Language Information Processing》：Automatic graph construction and Exploring different types of LSTMs for Asian Hindi languages for Medical review Sentiment Analysis

医疗评论情感分析对提升医疗服务质量至关重要，尤其在亚洲印地语等低资源语言中面临显著挑战。本研究提出基于自动图构建的注意力机制LSTM模型，结合Word2Vec预训练嵌入，在准确率、精确率、召回率和F1分数上均优于传统LSTM及双向LSTM模型，最终测试准确率达81%。

　　

摘要

对医疗评论进行情感分析（SA）对于改善医疗效果至关重要。然而，在资源匮乏的语言（如亚洲印地语）中分析情感却面临重大挑战。在这项研究中，我们提出了一种自动图构建方法，用于从亚洲印地语的医疗评论中提取相关特征。我们探索了不同类型的长短期记忆网络（LSTMs），包括传统的LSTMs、双向LSTMs和基于注意力的LSTMs，以对医疗评论的情感进行分类。我们提出的方法采用了基于注意力的LSTM架构和预训练的Word2Vec嵌入，从而实现了高准确率。我们使用多种评估指标（包括准确率、精确度、召回率和F1分数）将我们的方法与现有模型进行了比较。结果表明，我们的方法在准确率方面优于所有现有模型，达到了81%的准确率。这些发现可能有助于通过更好地监控患者反馈和识别医疗服务中需要改进的领域来改善医疗效果。