GraphPrompt：基于图的提示模板用于生物医学同义词预测
计算与语言
2023-11-29 v2 人工智能
摘要
在生物医学数据集的扩展中，同一类别可能被标注为不同术语，因此人工整理这些术语繁琐费力。因此，将同义术语自动映射到本体上是可取的，我们称之为生物医学同义词预测任务。与生物医学概念归一化（BCN）不同，该任务无法利用来自上下文的线索来增强同义词预测，使得从本体中提取图特征至关重要。我们引入了一个专家整理的数据集 OBO-syn，涵盖 70 种不同类型的概念和 200 万对整理的概念-术语对，用于评估同义词预测方法。我们发现 BCN 方法在此任务上表现较弱，因其未充分利用图信息。因此，我们提出 GraphPrompt，一种基于提示学习的方法，根据图创建提示模板。GraphPrompt 在零样本和少样本设置下分别获得 37.2% 和 28.5% 的提升，表明这些基于图的提示模板的有效性。我们设想我们的方法 GraphPrompt 和 OBO-syn 数据集可广泛应用于基于图的 NLP 任务，并作为分析多样且不断累积的生物医学数据的基础。所有数据和代码见：https://github.com/HanwenXuTHU/GraphPrompt
引用
@article{arxiv.2112.03002,
title = {GraphPrompt: Graph-Based Prompt Templates for Biomedical Synonym Prediction},
author = {Hanwen Xu and Jiayou Zhang and Zhirui Wang and Shizhuo Zhang and Megh Manoj Bhalerao and Yucong Liu and Dawei Zhu and Sheng Wang},
journal= {arXiv preprint arXiv:2112.03002},
year = {2023}
}
备注
7 pages