利用作用域定位在多标签临床文本中进行断言检测
机器学习
2020-05-20 v1 计算与语言
计算机视觉与模式识别
机器学习
摘要
临床领域的多标签句子（文本）源于患者照护过程中对场景的丰富描述。最先进的断言检测方法大多在每句（文本）单一断言标签的设置下处理该任务。此外，少数基于规则和深度学习的方法在单标签文本上执行否定/断言作用域检测。将这些方法扩展到处理多标签句子而不降低性能是一项重大挑战。因此，我们开发了一种卷积神经网络（CNN）架构，以单阶段端到端方式定位多个标签及其作用域，并证明我们的模型在多标签临床文本上的表现至少优于最先进方法 12%。
引用
@article{arxiv.2005.09246,
title = {Assertion Detection in Multi-Label Clinical Text using Scope Localization},
author = {Rajeev Bhatt Ambati and Ahmed Ada Hanifi and Ramya Vunikili and Puneet Sharma and Oladimeji Farri},
journal= {arXiv preprint arXiv:2005.09246},
year = {2020}
}