Submitted 13 August, 2024; originally announced August 2024. , Comments: Accepted to the 33rd ACM International Conference on Information and Knowledge Management (CIKM 2024)
توضیحات به فارسی
ارسال شده در 13 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد ، نظرات: پذیرفته شده در 33 کنفرانس بین المللی ACM در مورد مدیریت اطلاعات و دانش (CIKM 2024)
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
چکیده
Recent advancements in sequential modeling applied to Electronic Health Records (EHR) have greatly influenced prescription recommender systems. While the recent literature on drug recommendation has shown promising performance, the study of discovering a diversity of coexisting temporal relationships at the level of medical codes over consecutive visits remains less explored. The goal of this study can be motivated from two perspectives. First, there is a need to develop a sophisticated sequential model capable of disentangling the complex relationships across sequential visits. Second, it is crucial to establish multiple and diverse health profiles for the same patient to ensure a comprehensive consideration of different medical intents in drug recommendation. To achieve this goal, we introduce Attentive Recommendation with Contrasted Intents (ARCI), a multi-level transformer-based method designed to capture the different but coexisting temporal paths across a shared sequence of visits. Specifically, we propose a novel intent-aware method with contrastive learning, that links specialized medical intents of the patients to the transformer heads for extracting distinct temporal paths associated with different health profiles. We conducted experiments on two real-world datasets for the prescription recommendation task using both ranking and classification metrics. Our results demonstrate that ARCI has outperformed the state-of-the-art prescription recommendation methods and is capable of providing interpretable insights for healthcare practitioners.
چکیده به فارسی (ترجمه ماشینی)
پیشرفت های اخیر در مدل سازی پی در پی اعمال شده در سوابق بهداشت الکترونیکی (EHR) تا حد زیادی بر سیستم های پیشنهادی نسخه تأثیر گذاشته است.در حالی که ادبیات اخیر در مورد توصیه دارو ، عملکرد امیدوار کننده ای را نشان داده است ، مطالعه کشف تنوع روابط زمانی همزیستی در سطح کدهای پزشکی در بازدیدهای متوالی کمتر مورد بررسی قرار گرفته است.هدف از این مطالعه می تواند از دو منظر انگیزه داشته باشد.اول ، نیاز به ایجاد یک مدل متوالی پیشرفته وجود دارد که قادر به جدا کردن روابط پیچیده در بازدیدهای پی در پی است.دوم ، ایجاد پروفایل های بهداشتی متعدد و متنوع برای همان بیمار بسیار مهم است تا از توجه جامع اهداف مختلف پزشکی در توصیه دارو اطمینان حاصل شود.برای دستیابی به این هدف ، ما توصیه های توجه را با اهداف متضاد (ARCI) معرفی می کنیم ، یک روش مبتنی بر ترانسفورماتور چند سطحی که برای ضبط مسیرهای زمانی متفاوت اما همزیستی در یک دنباله مشترک از بازدیدها طراحی شده است.به طور خاص ، ما یک روش جدید آگاهی را با یادگیری متضاد پیشنهاد می کنیم ، که اهداف پزشکی تخصصی بیماران را به سرهای ترانسفورماتور برای استخراج مسیرهای زمانی متمایز مرتبط با پروفایل های مختلف بهداشتی پیوند می دهد.ما با استفاده از معیارهای رتبه بندی و طبقه بندی ، آزمایشاتی را در دو مجموعه داده در دنیای واقعی انجام دادیم.نتایج ما نشان می دهد که ARCI از روشهای توصیه شده از نسخه های پیشرفته استفاده کرده و قادر به ارائه بینش قابل تفسیر برای پزشکان مراقبت های بهداشتی است.
📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
این محصول به صورت فایل دانلودی کامل ارائه میشود.
توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا
لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی: واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248 تلگرام: @ma_limbs
