面向跨药物组别的不良药物反应分类的伪标注数据选择
计算与语言
2023-11-21 v1 机器学习
摘要
不良药物事件或反应的自动监测目前正受到生物医学界的极大关注。近年来，社交媒体上的用户生成数据已成为完成此任务的宝贵资源。神经模型在用于 ADR 检测的自动文本分类方面取得了令人瞩目的性能。然而，这些方法的训练和评估都是在关于特定药物的用户生成文本上进行的。在本文中，我们评估了 SOTA 神经架构在不同药物组别间的鲁棒性。除了人工标注的训练集之外，我们研究了几种使用伪标注数据的策略。数据集外实验诊断了监督模型在性能下降方面的瓶颈，而额外的伪标注数据无论采用何种文本选择策略都能改善总体结果。
引用
@article{arxiv.2111.12477,
title = {Selection of pseudo-annotated data for adverse drug reaction classification across drug groups},
author = {Ilseyar Alimova and Elena Tutubalina},
journal= {arXiv preprint arXiv:2111.12477},
year = {2023}
}
备注
Accepted to AIST 2021