用于循证医学文本分类的神经语言模型
计算与语言
2020-12-02 v1 信息检索
摘要
COVID-19给全人类带来了重大挑战，但尤其给医学界带来了特殊负担。临床医生必须在源源不断的科学文献洪流中持续了解症状、诊断和新兴治疗方法的有效性。在此背景下，循证医学 (EBM) 在筛选最实质证据以支持公共卫生和临床实践方面的作用变得至关重要，但由于每天发表的研究文章和预印本数量巨大，正面临前所未有的挑战。人工智能可在这种情况下发挥关键作用。在本文中，我们报告了一个应用研究项目的结果，该项目旨在对科学文章进行分类以支持Epistemonikos——全球最活跃的从事EBM的基金会之一。我们测试了多种方法，其中基于XLNet神经语言模型的最佳方法将当前方法的F1分数平均提高了93%，从而为自愿手动筛选COVID-19研究文章的医生节省了宝贵时间。
引用
@article{arxiv.2012.00584,
title = {Neural language models for text classification in evidence-based medicine},
author = {Andres Carvallo and Denis Parra and Gabriel Rada and Daniel Perez and Juan Ignacio Vasquez and Camilo Vergara},
journal= {arXiv preprint arXiv:2012.00584},
year = {2020}
}