复杂任务的构建模块：领域偏移下放射学报告鲁棒生成式事件抽取
计算与语言
2023-06-19 v1
摘要
本文探索从放射学报告中抽取信息且能跨检查模态泛化以减少标注数据需求的方法。我们证明，基于多遍 T5 的文本到文本生成模型相比采用基于 BERT 的任务特定分类层的方法，在跨检查模态泛化上表现更优。随后我们开发降低模型推理成本的方法，使大规模语料处理在临床应用中更可行。具体而言，我们引入一种将复杂任务分解为较小子任务块的生成式技术，其与多任务训练结合可改进单遍模型。此外，我们在推理时利用目标域上下文以增强领域适配，从而可使用更小模型。分析提供了关于不同成本降低策略益处的见解。
引用
@article{arxiv.2306.09544,
title = {Building blocks for complex tasks: Robust generative event extraction for radiology reports under domain shifts},
author = {Sitong Zhou and Meliha Yetisgen and Mari Ostendorf},
journal= {arXiv preprint arXiv:2306.09544},
year = {2023}
}