신경 시간 점 프로세스 모델의 블랙박스 특성으로 인해 다양한 이벤트 유형 간 의존성을 설명하기 어려운 문제를 해결하기 위해, 이벤트 영향력을 직접 매개변수화하고 엔드-투-엔드로 학습할 수 있는 해석 가능한 프레임워크 inf2vec을 제안한다.
본 연구에서는 전자 건강 기록의 불규칙한 시간 간격 문제를 해결하고 모델의 해석 가능성을 높이기 위해 시간 임베딩과 이중 주의 메커니즘을 적용한 두 가지 순환 신경망 기반 모델(TA-RNN, TA-RNN-AE)을 제안하였다.
전자 건강 기록 데이터는 구조화된 데이터와 비구조화된 데이터를 포함하는 다중 양식 데이터로, 이 두 양식 간의 상호 보완적인 관계를 효과적으로 활용하여 환자의 의료 이력에 대한 더 완전한 그림을 얻을 수 있다. 본 연구에서는 다중 양식 대조 학습 기법을 통해 이러한 전자 건강 기록 데이터의 통합 표현을 학습하는 새로운 알고리즘을 제안한다.