BERT 深度学习策略在技术辅助评审任务上的分析
信息检索
2021-04-20 v1 机器学习
摘要
文献筛选是基于循证医学的一项核心任务，该临床学科以科学证据支撑医疗决策。鉴于深度学习 (DL) 方法在信息检索任务中的近期进展，我提出了一种 DL 文档分类方法，使用 BERT 或 PubMedBERT 嵌入，以及一条使用 SBERT 嵌入的 DL 相似度检索路径，以减轻医生筛选和分类海量文档以回答临床查询的任务。我在 2017 和 2018 年 CLEF eHealth 数据集上测试并评估了我的 DL 策略的检索效果。我发现所提出的 DL 策略有效，将其与近期成功的 BM25 plus RM3 模型进行比较，并得出结论：在所提及的数据集上，对于 CLEF eHealth 实证医学技术辅助评审任务，所建议的方法在文章初始排序中实现了先进的检索性能。
引用
@article{arxiv.2104.08340,
title = {An Analysis of a BERT Deep Learning Strategy on a Technology Assisted Review Task},
author = {Alexandros Ioannidis},
journal= {arXiv preprint arXiv:2104.08340},
year = {2021}
}
备注
14 pages, 2 figures