从文本中提取临床标志物的低成本方法
计算与语言
2024-03-19 v1 机器学习
摘要
本文介绍了 UniBuc Archaeology 团队为 CLPsych 2024 共享任务所做的工作，该任务涉及在文本中寻找支持所判定自杀风险等级的证据。需要两类证据：高亮（在文本中提取相关片段）和摘要（将证据聚合为综合概述）。我们的工作重点是评估大型语言模型（LLM），并将其与一种内存和资源效率高得多的替代方法进行对比。第一种方法采用传统的机器学习（GOML）流水线，由 tf-idf 向量化器和 logistic 回归分类器组成，利用其代表性特征提取相关高亮。第二种方法资源消耗更大，使用 LLM 生成摘要，并在思维链的引导下提供指示临床标志物的文本序列。
引用
@article{arxiv.2403.11227,
title = {Cheap Ways of Extracting Clinical Markers from Texts},
author = {Anastasia Sandu and Teodor Mihailescu and Sergiu Nisioi},
journal= {arXiv preprint arXiv:2403.11227},
year = {2024}
}
备注
https://github.com/nlp-unibuc/clpsych24-task