CARE：从临床文献中抽取实验结果发现
计算与语言
2024-04-26 v2
摘要
从文献中细粒度地抽取实验发现可为科学应用提供巨大效用。已有工作针对该问题的有限方面开发了标注模式和数据集，未能捕捉现实世界所需的复杂性与细微差别。本文聚焦生物医学，提出 CARE——一个用于抽取临床发现任务的新信息抽取（IE）数据集。我们开发了一种新的标注模式，将细粒度发现表示为实体与属性间的 n 元关系，在单一模式中统一了当前 IE 系统难以处理的诸多现象，如断裂实体跨度、嵌套关系、变元数 n 元关系以及数值结果。我们从两个来源（临床试验与病例报告）为 700 篇摘要收集了广泛标注。我们还展示了该模式在计算机科学和材料科学领域的可泛化性。我们在 CARE 上对最先进的 IE 系统进行了基准测试，表明即便是 GPT4 这类模型也表现不佳。我们发布相关资源以推进文献发现抽取与聚合的研究。
引用
@article{arxiv.2311.09736,
title = {CARE: Extracting Experimental Findings From Clinical Literature},
author = {Aakanksha Naik and Bailey Kuehl and Erin Bransom and Doug Downey and Tom Hope},
journal= {arXiv preprint arXiv:2311.09736},
year = {2024}
}
备注
To appear at NAACL Findings 2024