基于1-2gram分析与多任务分类从RCT摘要中提取PICO要素
计算与语言
2019-01-25 v1 信息检索
摘要
循证医学的核心在于阅读并分析医学文献中针对特定临床问题的众多论文，并总结该问题的权威答案。目前，为构建清晰且聚焦的临床问题，通常采用流行的PICO框架，其中每个临床问题被认为由四部分组成：患者/问题(P)、干预(I)、对照(C)和结局(O)。在本研究中，我们比较了传统机器学习中几种常用分类模型。接下来，我们基于软间隔SVM开发了一种多任务分类模型，采用结合1-2gram分析与TF-IDF分析的专门特征工程方法。最后，我们在BioNLP 2018的开源数据集上训练并测试了若干通用模型。结果表明，所提出的基于1-2gram TF-IDF特征的多任务SVM分类模型在受测模型中表现最佳。
引用
@article{arxiv.1901.08351,
title = {Extracting PICO elements from RCT abstracts using 1-2gram analysis and multitask classification},
author = {Xia Yuan and Liao xiaoli and Li Shilei and Shi Qinwen and Wu Jinfa and Li Ke},
journal= {arXiv preprint arXiv:1901.08351},
year = {2019}
}