طبقه‌بندی توییت‌ها برای تشخیص عوارض جانبی GERD با استفاده از یادگیری ماشین

Abstract

بیماری ریفلاکس معده با طیف گسترده‌ای از علائم، میلیون‌ها نفر را در سراسر جهان تحت تاثیر قرار داده و باعث شده تا بسیاری از آنها تجربیات خود را در شبکه‌های اجتماعی به اشتراک بگذارند. این پژوهش با هدف توسعه یک سیستم خودکار برای شناسایی توییت‌های مرتبط با عوارض جانبی ریفلاکس معده، از الگوریتم‌های یادگیری ماشین بهره می‌برد. در این پژوهش، پس از پیش‌پردازش داده‌ها، از الگوریتم‌های جنگل تصادفی، ماشین بردار پشتیبان، رگرسیون لجستیک، درخت تصمیم، بِیز ساده و k نزدیک‌ترین همسایه برای طبقه‌بندی توییت‌ها به دو دسته با عارضه جانبی و بدون عارضه جانبی استفاده شده است. نتایج نشان می‌دهد که الگوریتم ماشین بردار پشتیبان با استفاده از روش اعتبارسنجی ۱۰ تایی به دقت 80.9 درصد رسیده است که بهترین عملکرد را در تشخیص توییت‌های مرتبط با عوارض جانبی ریفلاکس معده داشته است.