通讯作者: 张建同, zhangjiantong@tongji.edu.cn

DOI：10.12201/bmr.202407.00042

Sentiment Analysis of Online Medical Reviews Based on BERT and Semantics Collaboration through Dual-channel

• 摘要：目的/意义 随着在线医疗平台迅速发展，患者评论日益积累。利用人工智能从海量评论中迅速甄别负面评论，对平台运营及医生管理都具有现实意义。方法/过程 以好大夫在线网站的评论为例，本文首先使用BERT生成词向量，随后将其输入CNN与BiLSTM双通道中，最后通过特征融合策略获取文本情感信息以实现二分类任务。结果/结论 实验表明：本文提出的双通道模型能够较好地融合BiLSTM与CNN的优点，与BERT、BERT_BiLSTM、BERT_CNN等9种模型相比，分类准确率、宏F1分数最高，体现了该模型在在线医疗评论文本情感分类任务上的有效性。

  关键词： BERT；卷积神经网络；长短期记忆网络；在线医疗评论；情感分类；双通道模型; ; ; ; ; 

   

  Abstract: Purpose/significance With the rapid development of online healthcare platforms, numerous patient feedback has been amassed. Leveraging artificial intelligence to ac-curately discern the sentiment polarity from the vast corpus of comments and swiftly identifying negative feedback holds significant practical implications for hospital op-erations and physician managements. Method/process Taking comments from Haodf.com as an example, this paper first uses BERT to generate word embeddings, which are then fed into a convolutional layer and a BiLSTM network in a du-al-channel manner. Finally, a feature fusion strategy is employed to obtain textual sen-timent information to achieve a binary classification task. Result/conclusion The ex-perimental results demonstrate that the proposed dual-channel model based on BERT can better integrate the advantages of CNN and BiLSTM. It achieves the highest clas-sification accuracy and macro F1-score compared to other 9 models, including BERT, BERT_CNN and BERT_BiLSTM, which highlights the effectiveness of the proposed model in sentiment classification tasks for online medical review.

  Key words: BERT; CNN; BiLSTM; online medical reviews; sentiment classification; dual-channel

  提交时间：2024-07-17

  版权声明：作者本人独立拥有该论文的版权，预印本系统仅拥有论文的永久保存权利。任何人未经允许不得重复使用。
• html

• 图表

• 杨赐然, 王瑞, 罗银, 安舒涵, 吴雨欣, 毛宗福, 崔丹. 国谈药“双通道”管理政策设计的省际比较研究. 2023. doi: 10.12201/bmr.202305.00006

  蒙文鑫, 蒋蓉. 江苏省国家谈判药品“双通道”管理政策比较研究. 2022. doi: 10.12201/bmr.202209.00002

  王哲, 向菲. 基于情感分析的抑郁倾向人群在线健康社区参与行为特征研究. 2022. doi: 10.12201/bmr.202211.00001

  赵从朴, 袁达, 朱溥珏, 周炯, 陈政, 彭华. 基于BERT的医疗安全事件智能分类研究与实践. 2023. doi: 10.12201/bmr.202312.00021

  白雪艳. 基于文本挖掘的丁香医生APP用户评论分析. 2021. doi: 10.12201/bmr.202109.00013

  刘彬, 肖晓霞, 邹北骥, 周展, 郑立瑞, 谭建聪. 融合汉字部首的BERT-BiLSTM-CRF中医医案命名实体识别模型. 2023. doi: 10.12201/bmr.202303.00004

  张彩红, 李想, 周雪侠, 潘玮. 基于情感分析的突发公共卫生事件微博评论用户画像构建. 2023. doi: 10.12201/bmr.202303.00003

  吕艳华, 崔云龙, 王康龙, 钟小云, 陈家珠. 基于公众关注主题及情感视角的药物评论数据分析研究——以帕罗西汀治疗孤独症为例. 2024. doi: 10.12201/bmr.202408.00060

  由丽萍, 王世钰, 李朝翻. 基于框架语义分析的社交网络药品不良事件抽取*. 2022. doi: 10.12201/bmr.202211.00006

  陈剑秋, 黄晓芳, 周祖宏, 廖敏. 基于BERT的电子病历实体关系联合抽取研究. 2022. doi: 10.12201/bmr.202206.00003

• 序号	提交日期	编号	操作
  1	2024-02-12	bmr.202407.00042V1	下载

• 公开评论  匿名评论  仅发给作者 提交评论