基于预训练语言模型与图卷积网络丰富医学术语知识库
计算与语言
2019-09-04 v1
摘要
丰富现有医学术语知识库(KBs)是临床研究一项重要且永无止境的工作,因为新的术语别名可能不断加入,标准术语也可能被重新命名。本文提出一种新颖的自动术语丰富方法,为知识库补充一组术语。具体而言,首先将术语与实体字符输入预训练语言模型以获得语义嵌入;再次使用该预训练模型初始化术语与实体表示,随后通过图卷积网络进一步嵌入以获得结构嵌入。之后,将语义与结构嵌入相结合来衡量术语与实体之间的相关性。最后,基于术语与知识库中所有实体的相关性排序实现最优对齐。从上海医院发展中心38家顶级医院收集的临床指标术语知识库上的实验结果表明,我们所提方法优于基线方法,并能有效丰富该知识库。
引用
@article{arxiv.1909.00615,
title = {Enriching Medcial Terminology Knowledge Bases via Pre-trained Language Model and Graph Convolutional Network},
author = {Jiaying Zhang and Zhixing Zhang and Huanhuan Zhang and Zhiyuan Ma and Yangming Zhou and Ping He},
journal= {arXiv preprint arXiv:1909.00615},
year = {2019}
}
备注
8 pages, submitted to BIBM 2019