融合局部与全局上下文的临床报告主题短语提取
计算与语言
2019-11-25 v1
摘要
理解词语含义往往需要同时考察某个术语的周边上下文以及刻画整体语料库的全局主题。若干主题模型已利用词嵌入来识别局部上下文，然而在主题推断过程中其与全局上下文的结合较弱。本文提出提取主题短语，将词嵌入信息与由潜在语义分析检测到的全局上下文相印证，进而通过 Pólya urn 模型将其结合。为凸显该组合方法的有效性，我们对临床报告进行了分析评估，这是一个以专业术语和可用词统计有限为特征的具有挑战性的场景。结果表明，在主题一致性与计算成本两方面，它均优于当前最优方法。
引用
@article{arxiv.1911.10180,
title = {Topical Phrase Extraction from Clinical Reports by Incorporating both Local and Global Context},
author = {Gabriele Pergola and Yulan He and David Lowe},
journal= {arXiv preprint arXiv:1911.10180},
year = {2019}
}
备注
The 2nd AAAI Workshop on Health Intelligence, AAAI18