临床活动能力描述中报告能力的分类
计算与语言
2019-06-11 v1 人工智能
摘要
评估个体如何执行不同活动是建模个体与人群健康状态的关键信息。临床自由文本中活动执行的描述十分复杂,包括句法否定以及与文本蕴含任务的相似性。我们针对一项新任务探索多种方法,该任务将关于活动执行的四类断言分类:Able(能)、Unable(不能)、Unclear(不清)、None(无信息)。我们发现,集成一个以词汇特征训练的 SVM 与一个 CNN 在任务上取得 77.9% 的宏 F1 分数,并对稀有的 Unclear 与 Unable 样本取得近 80% 的召回率。最后,我们强调分类执行断言中的若干挑战,包括捕获辅助来源信息、融入句法结构与否定范围、以及在测试时处理新模态。我们的发现为该新任务建立了强基线,并指出了值得进一步研究的引人关注的方向。
引用
@article{arxiv.1906.03348,
title = {Classifying the reported ability in clinical mobility descriptions},
author = {Denis Newman-Griffis and Ayah Zirikly and Guy Divita and Bart Desmet},
journal= {arXiv preprint arXiv:1906.03348},
year = {2019}
}
备注
Appearing in BioNLP 2019. 10 pages; 6 tables, 2 figures