利用上下文临床BERT嵌入理解患者主诉特征
计算与语言
2020-02-17 v1
摘要
在临床对话应用中，提取的实体往往捕捉患者主诉的主要对象，即症状或疾病。然而，它们大多无法识别主诉的特征，如时间、起病和严重程度。例如，若输入为“我头痛且非常剧烈”，最先进的模型仅识别出主要症状实体——头痛，却忽略了表征头痛严重程度的“非常剧烈”因素。本文中，我们设计了一种两阶段方法，以检测一般用户在向临床医生描述症状语境下所呈现的症状等实体的特征。我们使用Word2Vec和BERT编码患者给出的临床文本。我们对输出进行转换并将任务重构为多标签分类问题。最后，我们将处理后的编码与线性判别分析（LDA）算法结合，以对主要实体的特征进行分类。实验结果表明，我们的方法相比最先进模型在准确率上实现了40-50%的提升。
引用
@article{arxiv.2002.05902,
title = {Understanding patient complaint characteristics using contextual clinical BERT embeddings},
author = {Budhaditya Saha and Sanal Lisboa and Shameek Ghosh},
journal= {arXiv preprint arXiv:2002.05902},
year = {2020}
}
备注
This paper has been communicated to 42nd IEEE Annual Conference of Engineering in Medicine and Biology Society, Montreal, Canada. It is 5 pages long. It has 2 figures