临床文本中的数值属性抽取
人工智能
2016-02-02 v1
摘要
本文描述了一种信息抽取系统，该系统是日立(Hitachi)团队为ShARe/CLEF eHealth Evolution Lab 2014组织的“疾病/障碍模板填充”任务所开发系统的扩展。在此扩展模块中，我们专注于从出院小结记录中提取数值属性和值，并建立属性与值之间的正确关联。我们分两步解决该问题。第一步是提取数值属性和值，其作为命名实体识别(NER)模型使用斯坦福NLP库开发。第二步是正确地将属性关联到值，其作为Apache cTAKES框架中的关系抽取模块开发。我们将斯坦福NER模型集成为cTAKES管道组件，并用于关系抽取模块。条件随机场(CRF)算法用于NER，支持向量机(SVM)用于关系抽取。对于属性值关系抽取，我们观察到仅使用NER的准确率为95%，而NER与SVM结合的准确率为87%。
引用
@article{arxiv.1602.00269,
title = {Numerical Atrribute Extraction from Clinical Texts},
author = {Sarath P R and Sunil Mandhan and Yoshiki Niwa},
journal= {arXiv preprint arXiv:1602.00269},
year = {2016}
}
备注
6 Pages