用于从临床文本中提取概念、断言和关系的联合神经基线
计算与语言
2026-03-10 v1 人工智能
摘要
临床信息提取（例如2010年i2b2/VA挑战赛）通常涉及概念识别、断言分类和关系提取等任务。对临床领域的多阶段任务进行联合建模是一个较少探索的主题。现有的独立任务设置（在每个阶段中提供参考输入）使得联合模型无法直接与现有流水线工作进行比较。为解决这些问题，我们定义了联合任务设置，并提出了一种新的端到端系统来联合优化这三个阶段的任务。我们通过各种嵌入技术（单词嵌入、上下文嵌入和领域特定上下文嵌入）来实证检验我们的方案与流水线基线的联合评估。我们提出的联合系统在概念、断言和关系上的F1分数分别比流水线基线提高了+0.3、+1.4和+3.1。该工作搭建了联合方法与临床信息提取之间的桥梁。该方法可作为未来研究的强联合基线。代码已公开。
引用
@article{arxiv.2603.07487,
title = {A Joint Neural Baseline for Concept, Assertion, and Relation Extraction from Clinical Text},
author = {Fei Cheng and Ribeka Tanaka and Sadao Kurohashi},
journal= {arXiv preprint arXiv:2603.07487},
year = {2026}
}
备注
Technical Report. Our code is available at: https://github.com/racerandom/JaMIE