从用户查询中抽取临床概念
信息检索
2019-12-25 v2 计算与语言
机器学习
摘要
临床概念抽取通常以临床命名实体识别（NER）为起点。由于临床笔记与用户查询在结构上存在差异，基于标注临床笔记训练的临床NER模型往往难以对用户查询中的临床实体进行标注。与临床笔记不同，用户查询常不合语法且缺乏连贯性。在许多情况下，用户查询由多个临床实体拼接而成，其间无逗号或连接词分隔。通过使用由标注临床笔记与合成用户查询混合而成的数据集，我们基于BiLSTM-CRF架构调整了一个临床NER模型，用于对用户查询中的临床实体进行标注。我们的贡献如下：1）我们发现，当在合成用户查询与临床笔记的混合数据上训练时，该NER模型在用户查询与临床笔记上的表现均更优。2）我们提供了一个端到端且易于实现的框架，用于从用户查询中抽取临床概念。
引用
@article{arxiv.1912.06262,
title = {Extracting clinical concepts from user queries},
author = {Yue Zhao and John Handley},
journal= {arXiv preprint arXiv:1912.06262},
year = {2019}
}
备注
8 pages, 4 figures. Added references. Corrected wording and typos, results unchanged