.png){kind=icon}
返回
Automatic query expansion for enhancing document retrieval system in healthcare application using GAN based embedding and hyper-tuned DAEBERT algorithm
.png){kind=icon}
PRE
AI
DOI：10.1016/j.datak.2025.102468.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
查询扩展是提高文档检索系统可靠性和性能的一种有用技术。搜索引擎经常采用查询扩展策略来改善信息检索（IR）性能并阐明用户的信息需求。尽管存在多种自动扩展查询的方法，但返回的文档列表有时可能很长且包含大量无用信息，尤其是在网络搜索时。随着医学文档规模的扩大，自动查询扩展可能在效率和实时应用方面面临挑战。因此，创建了基于自动排序的查询扩展系统的超调双注意力增强双向编码器表示Transformer（HT-DAEBERT），用于增强医学文档检索系统。最初，从医学语料库文档中收集用户查询，并使用生成对抗网络（GAN）方法进行增强。然后对增强文本进行预处理，通过分词、缩写扩展、词干提取、停用词去除、超链接去除和拼写校正来提高原始文本质量。之后，从预处理文本中使用基于邻近的关键词提取（PKE）技术提取关键词。随后，利用超调双注意力增强双向编码器表示Transformer（HT-DAEBERT）模型将词语转换为向量形式。在DAEBERT中，关键参数（如dropout率和权重衰减）通过选举优化算法（EOA）进行最优选择。之后，采用基于排序的查询扩展方法来增强文档检索系统。所提出的方法实现了97.60%的准确率、98.30%的命中率、93.40%的PPV、95.79%的F1分数和97.50%的NPV。该方法提高了医疗保健领域文档检索的准确性和相关性，可能有助于改善患者护理和增强临床结果。
期刊
D
IF:
2.6
论文数:
116
被引数:
1.7K
机构
引用论文
Optimal Query Expansion Based on Hybrid Group Mean Enhanced Chimp Optimization Using Iterative Deep Learning.png)
Electronics
OAAI
ElectronicsIF0
OAAI分享收藏Double Sliding Window Chunking Algorithm for Data Deduplication in Ocean ObservationIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏
Multimodal Fusion with Dual-Attention Based on Textual Double-Embedding Networks for Rumor Detection基于文本双重嵌入网络的双注意力多模态融合方法用于谣言检测OAAI
OAAI分享收藏分享收藏
查看更多内容