使用最大熵分类器和全局约束从随机临床试验摘要中提取证据表

在循证医学中，系统性地使用已发表的随机临床试验结果正变得越来越重要。为了整理和分析可能数量众多的试验结果，证据表被用来表示涉及一组所关注干预措施的试验。证据表包含以下列：患者组、被比较的每种干预措施、比较的标准（例如治疗 5 年后存活的比例），以及每项结果。目前，阅读每篇已发表论文并为证据表中的每个字段提取信息是一项耗费人力的工作。已经有一些 NLP 研究探讨了如何从论文中提取某些特征，或者至少识别出相关句子。然而，目前缺乏一个能够系统性地提取证据表所需的每一项信息的 NLP 系统。我们通过结合最大熵分类器和整数线性规划来满足这一需求。我们使用后者来处理对要提取特征的可接受分类的约束。通过实验结果，我们证明了使用全局约束的显著优势（例如描述患者组和干预措施的特征必须出现在描述比较结果的特征之前）。