临床信息检索中的隐式负反馈
信息检索
2016-08-08 v1
摘要
在本文中，我们探讨了如何通过从嘈杂自然语言搜索查询中的否定信息中提取隐式负反馈，来提高生物医学信息检索的质量。我们首先研究了临床文本中出现否定的程度，并量化了它们对检索性能的不利影响。随后，我们提出了多种查询重构和排序方法，通过解析自然语言否定来弥补这些缺陷。我们的实验结果基于 TREC 临床决策支持赛道期间收集的数据，与 SOTA 方法相比显示出一致的改进。使用我们的新算法，我们能够将否定对早期精度的影响降低高达 65%。
引用
@article{arxiv.1607.03296,
title = {Implicit Negative Feedback in Clinical Information Retrieval},
author = {Lorenz Kuhn and Carsten Eickhoff},
journal= {arXiv preprint arXiv:1607.03296},
year = {2016}
}