用于疾病分类的新阿拉伯语医学数据集
计算与语言
2021-07-06 v3
摘要
阿拉伯语在适用于训练深度学习模型的数据集方面严重短缺,且现有数据集包含通用的非专业分类。在本工作中,我们引入一个新的阿拉伯语医学数据集,其包含从多个阿拉伯语医学网站以及阿拉伯医学百科全书中收集的两千篇医学文档。该数据集为文本分类任务而构建,包含 10 类(血液、骨骼、心血管、耳、内分泌、眼、胃肠、免疫、肝脏和肾脏)疾病。通过使用三个预训练模型进行微调在该数据集上进行了实验:Google 的 BERT、基于 BERT 并使用大型阿拉伯语语料的 Arabert,以及基于 Arabert 并使用阿拉伯语医学语料的 AraBioNER。
引用
@article{arxiv.2106.15236,
title = {New Arabic Medical Dataset for Diseases Classification},
author = {Jaafar Hammoud and Aleksandra Vatian and Natalia Dobrenko and Nikolai Vedernikov and Anatoly Shalyto and Natalia Gusarova},
journal= {arXiv preprint arXiv:2106.15236},
year = {2021}
}