MA-COIR：利用语义搜索索引和生成模型进行医学概念识别
计算与语言
2025-11-26 v1
摘要
在文本中识别医学概念对于医学本体细化、知识图谱构建和概念关系发现至关重要。然而，传统的概念识别方法依赖显式提及识别，往往无法捕捉文本中未显式表述的复杂概念。为克服这一限制，我们提出了MA-COIR框架，将概念识别任务重新表述为索引识别任务。通过为概念分配语义搜索索引(ssIDs)，MA-COIR解决了医学本体条目中的歧义问题，并提高了识别效率。采用预训练的BART模型在小型数据集上微调，我们的方法降低了计算需求，便于领域专家采用。此外，我们融合大语言模型(LLM)生成的查询和合成数据，以提高低资源环境下的识别效果。在三个场景(CDR、HPO、HOIP)上的实验结果表明，MA-COIR在无需针对提及进行标注的情况下，能够有效识别显式和隐式概念，推动了医学领域应用中的本体驱动的概念识别。我们的代码和构建的数据可在 https://github.com/sl-633/macoir-master 提供。
引用
@article{arxiv.2505.12964,
title = {MA-COIR: Leveraging Semantic Search Index and Generative Models for Ontology-Driven Biomedical Concept Recognition},
author = {Shanshan Liu and Noriki Nishida and Rumana Ferdous Munne and Narumi Tokunaga and Yuki Yamagata and Kouji Kozaki and Yuji Matsumoto},
journal= {arXiv preprint arXiv:2505.12964},
year = {2025}
}
备注
preprint