生物医学文献中的意图检测与实体抽取
计算与语言
2024-08-06 v2
摘要
生物医学查询在网络搜索中日益普遍，反映了人们对访问生物医学文献日益增长的兴趣。尽管最近关于大语言模型（LLM）的研究受到实现通用智能努力的推动，但它们在替代任务和领域特定的自然语言理解方法方面的有效性仍存疑问。在本文中，我们通过对生物医学文本中的意图检测和命名实体识别（NER）任务进行全面的实证评估来回答这个问题。我们表明，监督微调方法仍然具有相关性，并且比通用LLM更有效。诸如PubMedBERT之类的生物医学Transformer模型在NER任务上仅需5个监督示例即可超越ChatGPT。
引用
@article{arxiv.2404.03598,
title = {Intent Detection and Entity Extraction from BioMedical Literature},
author = {Ankan Mullick and Mukur Gupta and Pawan Goyal},
journal= {arXiv preprint arXiv:2404.03598},
year = {2024}
}
备注
Accepted to CL4Health LREC-COLING 2024