用户生成文本中医学概念规范化的深度神经模型

本文中，我们考虑医学概念规范化问题，即把自由文本中提及的健康相关实体映射到受控词表中的概念，通常映射到统一医学语言系统（UMLS）的标准叙词表。这是一项具有挑战性的任务，因为医学术语在来自医疗专业人员与来自社交媒体文本的一般公众时差异很大。我们将其作为序列学习问题，采用强大的神经网络如循环神经网络与上下文词表示模型，训练以获得社交媒体表达的语义表示。我们在三个不同基准上的实验评估表明，神经架构利用了实体提及的语义含义，并显著优于现有的最优模型。