基于概率软逻辑正则化与全局推断的临床时间关系抽取
计算与语言
2020-12-17 v1 机器学习
摘要
医疗界一直存在精确抽取临床事件间时间关系的稳定需求。特别地，时间信息可促进诸如病例报告检索与医学问答等多种下游应用。现有方法要么需要昂贵的特性工程，要么无法对事件间的全局关系依赖建模。本文提出一种新方法——基于概率软逻辑正则化与全局推断的临床时间关系抽取(CTRL-PG)，在文档层面解决该问题。在两个基准数据集 I2B2-2012 与 TB-Dense 上的大量实验表明，CTRL-PG 在时间关系抽取上显著优于基线方法。
引用
@article{arxiv.2012.08790,
title = {Clinical Temporal Relation Extraction with Probabilistic Soft Logic Regularization and Global Inference},
author = {Yichao Zhou and Yu Yan and Rujun Han and J. Harry Caufield and Kai-Wei Chang and Yizhou Sun and Peipei Ping and Wei Wang},
journal= {arXiv preprint arXiv:2012.08790},
year = {2020}
}
备注
10 pages, 4 figures, 7 tables, accepted by AAAI 2021