释放深度 PICO 抽取之力：分步式医学命名实体识别
计算与语言
2020-05-15 v1 信息检索
摘要
PICO 框架（人群、干预、对照与结局）通常用于整理医学领域的证据。PICO 抽取的主要任务是从医学文献中抽取句子并将其分类至各类别。然而，多数情况下，即便句子已被归入某类别，其中仍会包含不止一条证据。为解决此问题，我们提出一种分步式疾病命名实体识别（DNER）抽取与 PICO 识别方法。该方法先将论文标题与摘要中的句子分类至 PICO 不同类别，再识别医学实体并将其归入 P 与 O。我们采用了多种深度学习框架，实验结果表明，相较传统 PICO 抽取工作，我们的方法能取得更高性能与细粒度抽取结果。
引用
@article{arxiv.2005.06601,
title = {Unlocking the Power of Deep PICO Extraction: Step-wise Medical NER Identification},
author = {Tengteng Zhang and Yiqin Yu and Jing Mei and Zefang Tang and Xiang Zhang and Shaochun Li},
journal= {arXiv preprint arXiv:2005.06601},
year = {2020}
}
备注
9 pages, 3 figures