利用上下文嵌入增强医学文本中的 PIO 元素检测
计算与语言
2019-06-27 v1
摘要
本文研究了一种用于人群、干预和结局（PIO）元素检测的新方法，这是循证医学（EBM）中的一项常见任务。本研究目的有二：构建一个冗余度和歧义性最小的 PIO 元素检测训练数据集，并探索利用当前最先进的嵌入方法完成 PIO 元素检测任务的可能方案。针对前者，我们通过分析先前发布数据集的不足，构建了一个新的改进数据集。针对后者，我们利用最先进的文本嵌入技术——基于 Transformer 的双向编码器表示（BERT），构建了一个多标签分类器。我们表明，选择领域特定的预训练嵌入可进一步优化分类器性能。此外，我们还表明，若特征选择得当，可通过集成方法和提升技术进一步增强模型。
引用
@article{arxiv.1906.11085,
title = {Enhancing PIO Element Detection in Medical Text Using Contextualized Embedding},
author = {Hichem Mezaoui and Aleksandr Gontcharov and Isuru Gunasekara},
journal= {arXiv preprint arXiv:1906.11085},
year = {2019}
}
备注
BioNLP 2019: 18th ACL Workshop on Biomedical Natural Language Processing