Search (1 results, page 1 of 1)

0.10013214 = product of:
  0.20026428 = sum of:
    0.041644484 = weight(_text_:und in 1420) [ClassicSimilarity], result of:
      0.041644484 = score(doc=1420,freq=4.0), product of:
        0.15021236 = queryWeight, product of:
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.06772732 = queryNorm
        0.2772374 = fieldWeight in 1420, product of:
          2.0 = tf(freq=4.0), with freq of:
            4.0 = termFreq=4.0
          2.217899 = idf(docFreq=13141, maxDocs=44421)
          0.0625 = fieldNorm(doc=1420)
    0.15861979 = weight(_text_:html in 1420) [ClassicSimilarity], result of:
      0.15861979 = score(doc=1420,freq=2.0), product of:
        0.3486287 = queryWeight, product of:
          5.1475344 = idf(docFreq=701, maxDocs=44421)
          0.06772732 = queryNorm
        0.45498204 = fieldWeight in 1420, product of:
          1.4142135 = tf(freq=2.0), with freq of:
            2.0 = termFreq=2.0
          5.1475344 = idf(docFreq=701, maxDocs=44421)
          0.0625 = fieldNorm(doc=1420)
  0.5 = coord(2/4)

Abstract

Die in diesem Artikel vorgestellte Bachelorarbeit behandelt die Ergebnisse einer Shared Task im Bereich eHealth. Es wird untersucht, ob die Klassifikationsgenauigkeit ausgewählter klinischer Codiersysteme durch den Einsatz von Ensemble-Methoden verbessert werden kann. Entscheidend dafür sind die Werte der Evaluationsmaße Mean Average Precision und F1-Maß.

Content

DOI: https://www.degruyter.com/document/doi/10.1515/iwp-2021-2174/html.

Source

Information - Wissenschaft und Praxis. 72(2021) H.5/6, S.285-290