简化检索器提高大语言模型对表型归一化准确性
计算与语言
2025-03-06 v2 人工智能
信息检索
摘要
大型语言模型（LLMs）在增强检索器以提供基于术语定义建议的候选归一化词汇时，显示出在表型术语归一化任务中提高的准确性。在本工作中，我们引入了一个简化的检索器，通过从Human Phenotype Ontology（HPO）中搜索候选匹配项来增强LLMs的准确性，该检索器使用来自BioBERT的上下文词嵌入，而无需显式术语定义。在基于来自Online Mendelian Inheritance in Man（OMIM）临床综述所派生的术语上进行测试时，我们证明了采用检索器增强后，一个最先进的LLMs的表型归一化准确性从基线的62.3%提高到90.3%。这种方法可能适用于其他生物医学术语归一化任务，为更复杂检索方法提供了一种高效替代方案。
引用
@article{arxiv.2409.13744,
title = {A Simplified Retriever to Improve Accuracy of Phenotype Normalizations by Large Language Models},
author = {Daniel B. Hier and Thanh Son Do and Tayo Obafemi-Ajayi},
journal= {arXiv preprint arXiv:2409.13744},
year = {2025}
}
备注
Published by Frontiers in Digital Health