SurfCon：基于隐私保护临床数据的同义词发现
计算与语言
2019-06-25 v1
摘要
非结构化临床文本包含丰富的健康相关信息。为了更好地利用临床文本中蕴含的知识，发现医学查询词的同义词已成为一项重要任务。近期已开发出利用原始文本信息的自动同义词发现方法。然而，为了保护患者隐私与安全，通常很难获取大规模原始临床文本。本文研究了一种新设定，即隐私保护临床数据上的同义词发现（即从临床文本中提取的医学术语及其聚合共现计数，不含原始临床文本）。为解决该问题，我们提出新框架 SurfCon，利用隐私保护临床数据中两类重要信息，即词形表面信息（surface form information）与全局上下文信息，进行同义词发现。具体而言，词形表面模块使我们能够检测外观相似的同义词，而全局上下文模块则起到互补作用，发现语义相似但词形不同的同义词，二者均允许我们处理 OOV 查询问题（即查询未在给定数据中出现）。我们在公开可用的隐私保护临床数据上进行了大量实验与案例分析，表明在各种设定下 SurfCon 均能大幅优于强基线方法。
引用
@article{arxiv.1906.09285,
title = {SurfCon: Synonym Discovery on Privacy-Aware Clinical Data},
author = {Zhen Wang and Xiang Yue and Soheil Moosavinasab and Yungui Huang and Simon Lin and Huan Sun},
journal= {arXiv preprint arXiv:1906.09285},
year = {2019}
}
备注
KDD 2019 (Accepted for Oral Presentation at the Research track)