利用语义类型依赖进行临床命名实体识别
计算与语言
2025-03-10 v1
摘要
以往从自由文本句子中进行临床关系抽取的工作，利用了来自临床知识库的语义类型信息作为实体表示的一部分。在本文中，我们通过同时利用领域特定的语义类型依赖来挖掘额外的证据。我们对匹配统一医学语言系统 (UMLS) 概念的词元跨度与句子中其他词元之间的关系进行编码。我们实现了我们的方法，并使用不同的预训练临床嵌入（即 BERT、BioBERT、UMLSBert）与不同的命名实体识别 (NER) 架构（即 BiLSTM-CRF 和 BiLSTM-GCN-CRF）进行了比较。我们在临床数据集上的实验结果表明，在某些情况下，利用领域特定的语义类型依赖可以显著提高 NER 的有效性。我们的工作也是首次研究生成矩阵编码，以在 NER 任务中一次处理三种以上的依赖关系。
引用
@article{arxiv.2503.05373,
title = {Leveraging Semantic Type Dependencies for Clinical Named Entity Recognition},
author = {Linh Le and Guido Zuccon and Gianluca Demartini and Genghong Zhao and Xia Zhang},
journal= {arXiv preprint arXiv:2503.05373},
year = {2025}
}