论文名称：《基于ALBERT-TextCNN模型的多标签医疗文本分类方法》

  发布期刊：《山东大学学报(理学版)》

  期刊信息：CSCD

 论文写作分析摘要：本文非常简单。网络模型是直接把BERT和TextCNN拼接起来的；亮点在于应用领域的新颖，即医疗文本。本次博客主要来批斗一下这篇论文。

【注】：本文感觉没有创新，模型是用BERT的最后一层接上TextCNN，这不是基操嘛。看完这篇刊上CSCD的论文，感觉我现在就能发论文毕业了。

[1] 参考论文分解

  这篇论文的模型图：

  这就是BERT模型最常使用的一个方法。把BERT模型的后面几层用在下游任务。

  个人觉得论文的“标签预测”部分，有很大问题。截图如下：

  只写了 “输出每条健康问句文本对每个主题类别标签的预测概率”，拿到概率之后，如何确定哪些标签是真？哪些是假？并没有说，反而是直接写道 “健康问句文本所属主题类别的标签预测采用交叉熵损失函数”。这完全没有关系啊。损失函数应该单拿一个小节展开说。

  这一段，我个人觉得，没有逻辑、避重就轻。

  然后论文的“模型评估”部分，也很一般。截图如下：

  只写了最基础的3种评价指标。

【注】论文通篇比较水。