从药品说明书中抽取药物及其相互作用的多任务学习框架
计算与语言
2019-05-21 v1
摘要
由医疗差错导致的可预防不良药物反应在现代医学中日益受到关注。由于药物-药物相互作用(DDI)可能引发不良反应，将 DDI 从药品说明书抽取为机器可读形式，是有效部署药物安全信息的重要工作。TAC 2018 的 DDI 评测轨道引入了两个大型人工标注测试集，用于从结构化产品说明书中抽取 DDI 并关联到标准术语。在此，我们描述处理 DDI 轨道任务一与任务二的方法，分别对应命名实体识别(NER)与句子级关系抽取。具体而言，我们的方法类似于一个多任务学习框架，旨在联合建模包括 NER、相互作用类型与结果预测在内的多个子任务。在 NER 上，我们的系统在测试集 1 与 2 上分别以 33.00% 与 38.25% 的 F1 值排名第二（共八支队伍）。在关系抽取上，我们的系统在测试集 1 与 2 上分别以 21.59% 与 23.55% 排名第二（共四支队伍）。
引用
@article{arxiv.1905.07464,
title = {A Multi-Task Learning Framework for Extracting Drugs and Their Interactions from Drug Labels},
author = {Tung Tran and Ramakanth Kavuluru and Halil Kilicoglu},
journal= {arXiv preprint arXiv:1905.07464},
year = {2019}
}
备注
To appear in TAC 2018 Proceedings