DKEC：面向诊断预测的域知识增强多标签分类
计算与语言
2024-06-21 v2 人工智能
机器学习
摘要
医疗领域的多标签文本分类（MLTC）任务常面临长尾标签分布问题。先前工作探索了层次化标签结构以为少样本类别寻找相关信息，但大多忽略了从医疗指南中融入外部知识。本文提出DKEC，即用于诊断预测的域知识增强分类，具有两项创新：（1）从外部源自动构建异质知识图谱以捕捉多样医疗实体间的语义关系，（2）使用标签级注意力机制将异质知识图谱融入少样本分类。我们利用三个在线医疗知识源构建DKEC，并在真实世界的急救服务（EMS）数据集和公共电子健康记录（EHR）数据集上评估。结果表明，DKEC优于最先进的标签级注意力网络及不同规模的Transformer模型，尤其对少样本类别。更重要的是，它帮助较小的语言模型取得与大型语言模型（LLM）相当的性能。
引用
@article{arxiv.2310.07059,
title = {DKEC: Domain Knowledge Enhanced Multi-Label Classification for Diagnosis Prediction},
author = {Xueren Ge and Satpathy Abhishek and Ronald Dean Williams and John A. Stankovic and Homa Alemzadeh},
journal= {arXiv preprint arXiv:2310.07059},
year = {2024}
}