基于两阶段特征选择的医疗敏感文本分类

来源：计算机技术与发展杂志2020年第08期北京时间：

作者：陈春玲*;姜慧敏;郭永安

摘要：为完成对医疗数据的敏感性分类,采用文本分类技术从对医疗敏感数据的分类的角度对医疗信息隐私保护进行了研究。 在传统的医疗文本分类基础上,提出基于 LSI-TF-IDF 两阶段特征选择的文本分类方法对医疗文本数据进行敏感性分类。 分别采用基于 TF-IDF 的传统文本分类方法和基于 LSI-TF-IDF 的两阶段特征选择的文本分类方法对糖尿病文本数据进行敏感性分类,利用朴素贝叶斯、KNN、SVM 三个分类器进行实验比较,采用准确率、召回率和 F1值作为评价标准。 实验结果表明,基于 LSI-TF-IDF 两阶段特征选择的文本分类方法较之基于 TF-IDF 的传统文本分类方法在准确率、召回率和 F1值上均有所提升。 证明了该方法在医疗文本数据的敏感性分类上具有更好的分类效果。

关键词：医疗数据;隐私保护;特征选择;敏感数据;文本分类