HealthE：在线文本健康建议中的实体分类
计算与语言
2022-10-10 v1
摘要
自然语言中的实体处理对许多医学NLP系统至关重要。遗憾的是，现有数据集极大地低估了建模公共卫生相关文本（如WebMD等网站上常见的健康建议）所需的实体。人们依赖此类信息进行个人健康管理和临床相关决策。本工作中，我们发布了一个名为HealthE的新标注数据集，包含6,756条健康建议。与现有医学NER语料库相比，HealthE具有更细粒度的标签空间，并包含对多样化健康短语的标注。此外，我们提出了一种新的健康实体分类模型EP S-BERT，该模型在实体类别分类中利用了文本上下文模式。EP S-BERT的F1分数比最接近的基线高出4个百分点，与训练用于从临床文本中抽取疾病和药物提及的现成医学NER工具相比，F1分数提高了34个百分点。所有代码和数据已在Github上公开。
引用
@article{arxiv.2210.03246,
title = {HealthE: Classifying Entities in Online Textual Health Advice},
author = {Joseph Gatto and Parker Seegmiller and Garrett Johnston and Sarah M. Preum},
journal= {arXiv preprint arXiv:2210.03246},
year = {2022}
}