词嵌入特征在临床信息抽取主动学习中的益处
计算与语言
2016-11-16 v4
摘要
本研究调查了在无监督词嵌入和序列特征用于样本表示，构建从临床自由文本中抽取临床概念的主动学习框架中。目标是进一步减少人工标注工作，同时相比一组基线特征实现更高效率。无监督特征源自skip-gram词嵌入和序列表示方法。在主动学习框架中，使用广泛的选择准则（包括最小置信度、信息多样性、信息密度与多样性、以及领域知识信息量）研究了无监督特征与基线手工特征的相对性能。使用两个临床数据集进行评估：i2b2/VA 2010 NLP挑战赛和ShARe/CLEF 2013 eHealth评估实验室。我们的结果表明，在两个数据集上效果和标注工作节省均有显著改进。使用无监督特征连同基线特征进行样本表示，进一步分别节省了高达9%和10%的token与概念标注率。
引用
@article{arxiv.1607.02810,
title = {The Benefits of Word Embeddings Features for Active Learning in Clinical Information Extraction},
author = {Mahnoosh Kholghi and Lance De Vine and Laurianne Sitbon and Guido Zuccon and Anthony Nguyen},
journal= {arXiv preprint arXiv:1607.02810},
year = {2016}
}