Acknowledgement
이 논문은 정부(과학기술정보통신부)의 재원으로 정보통신기획평가원의 지원을 받아 수행된 연구임(No.2022-0-00352, No.RS-2022-00155586, 실세계의 다양한 다운스트림 태스크를 위한 고성능 빅 하이퍼 그래프 마이닝 플랫폼 개발(SW 스타랩)).
Proceedings of the Korea Information Processing Society Conference (한국정보처리학회:학술대회논문집)
- 2023.05a
- /
- Pages.445-447
- /
- 2023
- /
- 2005-0011(pISSN)
- /
- 2671-7298(eISSN)
DOI QR Code
Fusion Strategies for Different Types of Visit Information in Medication Recommendation
의약품 추천 연구에서의 방문 정보 유형들 간의 다양한 융합 방법 성능 평가
- Hongil Kim (Dept. of Artificial Intelligence, Hanyang University) ;
- Taeri Kim (Dept. of Computer Science, Hanyang University) ;
- Sang-Wook Kim (Dept. of Computer Science, Hanyang University)
- Published : 2023.05.18
Abstract
최근, 환자의 현재와 과거 방문 정보(즉, 환자가 현재와 과거 각 방문에서 진단 받은 질병들과 수술들)를 활용하여 환자 임베딩을 획득한 뒤, 환자의 현재 방문에서 효과적인 의약품들을 추천해주는 의약품 추천 연구들이 활발하게 진행되고 있다. 이들은 환자 임베딩을 획득하기 위해, 현재와 과거 방문 정보를 유형 별(즉, 질병과 수술 별)로 각각 융합하여 하나의 질병과 수술 임베딩으로 나타낸 뒤 이 두 임베딩을 융합한다. 이로 인해, 방문 정보 유형 별 임베딩을 융합하는 방법은 의약품들을 추천하는데 있어서 큰 영향을 미칠 수 있다. 그러나 지금까지 방문 정보 유형 별 임베딩을 어떻게 융합하는 것이 환자에게 의약품들을 추천하는데 가장 효과적인지 탐구한 연구는 없다. 따라서, 본 논문에서 우리는 실세계 데이터 집합을 활용한 실험을 통해 방문 정보 유형들 간의 다양한 융합 방법들 중 어떠한 방법이 추천 정확도 개선에 가장 효과적인지 비교하고 분석하여 환자에게 가장 효과적인 의약품들을 추천해주고자 한다.
Keywords