2019年4月18日讨论班报告

各位老师，同学：

时间：4月18日讨论班 9:00-10:30

地点：教学楼5-308

报告内容：

孟倩雯 Joint Learning of Representations of Medical Concepts and Words from EHR Data

  大量的研究越来越关注于如何从EHR中学习医学概念的低维向量表示，从而增强可解释性，使之更好地应用于其他医疗方面的研究，如就诊信息预测、表型挖掘等。EHR数据包含structured information ，如诊断代码和实验室测试，还包含unstructured information ，如能提供有关患者健康状况细节的clinical notes。文章基于Word2Vec模型提出了一种联合学习representations of medical concepts and words的方法，将医学代码和单词嵌入到同一连续向量空间中，专注于捕获医学代码和单词之间的关系，从而推导出反映不同疾病和治疗模式的集群。实验与主题建模方法进行了比较，并证明了学习到的向量表示在应用于预测时的优越性能。

于福强 A STRUCTURED SELF-ATTENTIVE SENTENCE EMBEDDING

  这篇文章提出了使用self-attention技术来生成可解释句子向量的模型。通常我们使用向量(vector)来表示单词、短语或者句子向量，在这篇文章中，作者提出可以使用二维矩阵来表示句子，矩阵的每一行表示句子的不同部分。作者在3个不同的数据集上进行了3种不同的task，分别是author profiling，sentiment classification以及textual entailment，都取得了不错的效果。

下周报告人 司明皎，华冠齐