基于提示学习的关键词优化模板插入用于临床信息抽取
计算与语言
2023-11-01 v1
摘要
临床笔记分类是一项常见的临床 NLP 任务。然而,标注数据集稀缺。基于提示的学习近期作为一种仅用少量训练样本即可适配预训练模型进行文本分类的有效方法而出现。提示设计的关键组成部分是模板(即提示文本)的定义。然而,模板位置的影响尚未得到充分研究。这似乎在临床场景中尤为重要,因为任务相关信息在临床笔记中通常稀疏。在本研究中,我们开发了关键词优化模板插入方法(KOTI),并展示了在零样本与少样本训练设置下,优化位置如何提升若干临床任务的性能。
引用
@article{arxiv.2310.20089,
title = {Keyword-optimized Template Insertion for Clinical Information Extraction via Prompt-based Learning},
author = {Eugenia Alleva and Isotta Landi and Leslee J Shaw and Erwin Böttinger and Thomas J Fuchs and Ipek Ensari},
journal= {arXiv preprint arXiv:2310.20089},
year = {2023}
}