基于实体增强双塔神经网络的用户友好用药映射方法
计算与语言
2020-10-13 v2 计算机与社会
机器学习
机器学习
摘要
医学实体链接的最新进展已应用于科学文献和社交媒体数据领域。然而，随着远程医疗和诸如 Alexa 等对话代理在医疗环境中的采用，医学名称推断已成为一项重要任务。用药名称推断是将自由文本中的用户友好用药名称映射到规范化用药列表中的某个概念的任务。由于医疗保健专业人员使用的医学术语与来自普通公众的 user 对话之间存在差异，这具有挑战性。我们首先将描述性用药短语（DMP）映射到标准用药名称（SMN）。鉴于每位患者的处方，我们希望为他们提供以其偏好方式指代药物的灵活性。我们将此作为一个排序问题来处理，通过对从药房获取的患者处方列表中的药物列表进行排序，将 SMN 映射到 DMP。此外，我们利用中间层的输出并执行用药聚类。我们提出了用药推断模型（MIM），取得了最先进的结果。通过引入基于医学实体的注意力机制，我们在排序模型上获得了进一步的提升。
引用
@article{arxiv.2007.00492,
title = {Towards User Friendly Medication Mapping Using Entity-Boosted Two-Tower Neural Network},
author = {Shaoqing Yuan and Parminder Bhatia and Busra Celikkaya and Haiyang Liu and Kyunghwan Choi},
journal= {arXiv preprint arXiv:2007.00492},
year = {2020}
}