用于临床问答的实体增强神经模型
人工智能
2021-02-23 v2 计算与语言
机器学习
摘要
我们探索了用于电子病历问答的最先进神经模型，并提升了其在测试时对先前未见（改写）问题更好泛化的能力。我们通过学习预测逻辑形式作为辅助任务，连同答案片段检测主任务一并实现这一点。所预测的逻辑形式亦作为答案的依据。此外，我们还通过这些模型中的 ERNIE 架构融入医疗实体信息。我们在大规模 emrQA 数据集上训练模型，并观察到我们的多任务实体增强模型对改写问题的泛化能力比基线 BERT 模型高出约 5%。
引用
@article{arxiv.2005.06587,
title = {Entity-Enriched Neural Models for Clinical Question Answering},
author = {Bhanu Pratap Singh Rawat and Wei-Hung Weng and So Yeon Min and Preethi Raghavan and Peter Szolovits},
journal= {arXiv preprint arXiv:2005.06587},
year = {2021}
}