深度上下文生物医学缩写展开
计算与语言
2019-06-11 v1 定量方法
摘要
自动识别与展开歧义缩写对于生物医学自然语言处理应用（如信息检索与问答系统）至关重要。在本文中，我们提出深度上下文生物医学缩写展开（DECBAE）模型。DECBAE 利用简单启发式方法从 PubMed 摘要中为 950 个歧义缩写自动收集大量且相对干净的标注上下文。然后它利用 BioELMo 提取词的上下文特征，并将这些特征输入缩写特定的双向 LSTMs，其中歧义缩写的隐藏状态用于指派确切定义。我们的 DECBAE 模型大幅优于其他基线，在数据集上达到平均准确率 0.961 与宏 F1 0.917。它也在展开一个样本缩写上超越人类表现，并在不平衡、低资源与临床环境中保持鲁棒。
引用
@article{arxiv.1906.03360,
title = {Deep Contextualized Biomedical Abbreviation Expansion},
author = {Qiao Jin and Jinling Liu and Xinghua Lu},
journal= {arXiv preprint arXiv:1906.03360},
year = {2019}
}
备注
BioNLP 2019