用于从推文中提取药物不良反应提及的多任务学习
信息检索
2018-02-15 v1 计算与语言
摘要
药物不良反应（ADR）是医疗保健中导致死亡的主要原因之一。当前的ADR监测系统在这些事件被正式发布前通常存在显著的时间滞后。另一方面，Twitter等在线社交媒体实时包含ADR事件信息，远早于任何官方报告。当前ADR提及提取的最优方法使用循环神经网络（RNN），通常需大量标注语料。为此，我们提出一种基于多任务学习的方法，可利用相似的辅助任务（药物不良事件检测）来提升主任务即ADR提取的性能。此外，在缺乏辅助任务数据集时，我们提出一种新颖的联合多任务学习方法，在可获得大量未标注推文的情况下为辅助任务自动生成弱监督数据集。基于0.48M条推文的实验表明，所提方法在ADR提及提取任务上以F1分数计优于最优方法7.2%。
引用
@article{arxiv.1802.05130,
title = {Multi-Task Learning for Extraction of Adverse Drug Reaction Mentions from Tweets},
author = {Shashank Gupta and Manish Gupta and Vasudeva Varma and Sachin Pawar and Nitin Ramrakhiyani and Girish K. Palshikar},
journal= {arXiv preprint arXiv:1802.05130},
year = {2018}
}
备注
Accepted at ECIR18 as full paper (12 pages)