计算机工程

作者：刘畅, 梁冰雪, 田荣坤, 秦玉华

单位：青岛科技大学信息科学技术学院, 山东 青岛 266061

关键词：多特征融合,混合神经网络,多标签文本分类,注意力机制,医疗健康

基金：青岛市科技惠民示范项目(23-2-8-smjk-20-nsh)

在医疗健康领域中, 现有的问题分类方法存在文本特征表示能力弱的问题, 并且对于多类别问题, 忽视了不同关键词特征的权重, 从而影响了分类的准确性。为了解决这些问题, 提出一种基于多特征融合与混合神经网络的医疗健康问题分类方法(MPC-MFF-HNN), 旨在提高医疗健康问题分类的准确性。首先, 该方法结合RoBERTa-wwm-ex模型和Word2Vec模型对文本信息进行字符级和单词级的向量表示, 以获得丰富的多特征信息, 从而弥补单一特征表示方法的不足, 使得模型在处理复杂的医疗健康文本时能够更全面地理解和表征文本语义; 其次, 通过多头注意力机制结合改进的文本卷积神经网络(TextCNN)和双向门控循环单元(BiGRU), 设计了一种混合神经网络模型MHA-APTC-BiGRU, 其采用多层次特征提取方法, 能够有效提取包含关键词权重的深层次文本特征; 最后, 分类器将语义增强的特征向量作为输入, 用于问题类别的分类。在真实公开数据集上的实验结果表明, 与其他基线算法相比, 该方法在精确率、召回率和F1值指标上均显著提升, 在医疗健康问题分类方面表现出更优越的性能。

来源：2026年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第2期