面向中文手术术语规范化的多视角召回与排序联合框架
计算与语言
2021-01-25 v1 机器学习
摘要
医学术语规范化旨在将临床表述映射到来自知识库的术语，其在分析电子健康记录（EHR）及诸多下游任务中起着重要作用。本文关注中文手术术语规范化。术语表达多样，且一个医学表述可能关联到多个术语。先前研究探索了多类分类或学习排序（LTR）等方法，依据文献与语义信息对术语排序。然而，这些信息不足以找出正确术语，尤其在多义情形下。本工作中，我们提出一种召回与排序联合框架以解决上述问题。该框架由多任务候选生成器（MTCG）、关键词注意力排序器（KAR）与融合模块（FB）组成。MTCG 用于预测表述含义数量并基于语义相似度召回候选。KAR 基于 Bert 并带有聚焦于手术部位、手术类型等关键词的注意力机制。FB 融合来自 MTCG 与 KAR 的相似度，从多视角对术语排序。详细实验分析表明，我们所提框架在性能与效率上均有显著提升。
引用
@article{arxiv.2101.09101,
title = {A multi-perspective combined recall and rank framework for Chinese procedure terminology normalization},
author = {Ming Liang and Kui Xue and Tong Ruan},
journal= {arXiv preprint arXiv:2101.09101},
year = {2021}
}