مع الصحة العقلية كملم مشكلة في NLP، يدور الجزء الأكبر من الأدب المعاصر حول بناء نماذج تنبؤات أمرية أفضل. كان البحث التركيز على تحديد مجموعات المناقشة في مجتمعات الصحة العقلية عبر الإنترنت محدودا نسبيا. علاوة على ذلك، نظرا لأن المنهجيات الأساسية المست
خدمة في هذه الدراسات تتفق بشكل أساسي مع نماذج تعليم الآلة التقليدية والأساليب الإحصائية، فإن نطاق إدخال تمثيلات الكلمات السياقية لموضوع استخراج الموضوع والشيء من المجتمعات الصحية العقلية عبر الإنترنت مفتوحة. وهكذا، في هذا البحث، نقترح تمثيل موضوعي عميق مدعوم، وهي تقنية تمثيل بيانات رواية تستخدم ABLENCODERS لجمع بين المدينات السياقية العميقة مع المعلومات الموضعية، وتوليد تمثيلات قوية للتجميع النصي. التحقيق في الخطاب Reddit على اضطراب ما بعد الصدمة الاضطرابات (PTSD) واضطراب الإجهاد بعد الصدمة المعقدة (C-PTSD)، ونحن نرفض المجموعات المواضيعية التي تمثل المواضيع والسمات الكامنة التي تمت مناقشتها في Subretits R / PTSD و R / CPTSD. علاوة على ذلك، نقدم أيضا تحليلا نوعيا وتوصيف كل كتلة، وكشف مواضيع الخطاب السائدة.
يصف هذا العمل تكيف نموذج تسلسل متطلب مسبقا بمهمة التحقق من المطالبة العلمية في المجال الطبي الطبيعي.نقترح نظام يسمى Vert5erini الذي يستغل T5 لاسترجاع الملخص واختيار الجملة وتنبؤ التسمية، وهي ثلاثة مهام فرعية حرجة للتحقق من الادعاء.نقوم بتقييم خط أناب
يبنا في SCIFACT، وهي مجموعة بيانات مفيدة حديثا تتطلب نماذج لا تتوقع فقط عن صحة المطالبات ولكنها توفر أيضا جمل ذات صلة من كائن من الأدبيات العلمية التي تدعم التنبؤ.تجريبيا، يتفوق نظامنا على خط أساس قوي في كل من المهام الفرعية الثلاث.نعرض أيضا قدرة Vert5erini على التعميم لمجموعات بيانات جديدة من مطالبات CovID-19 باستخدام أدلة من Cord-19 Corpus.
