典型文献
基于医学领域知识和远程监督的医学实体关系抽取研究
文献摘要：
[目的]针对当前传统医学关系抽取方法存在数据标注成本高及易产生错误标签的问题,提出引入医学领域知识的远程监督医学实体关系抽取模型.[方法]该模型采用多实例策略降低远程监督标注数据的噪声影响,使用预训练语言模型MedicalBERT对远程监督标注文本进行编码,以实体在医学知识库的描述作为背景知识为医学关系抽取提供监督信号,提升文本中实体语义编码的准确性.[结果]本文模型的抽取效果与现有模型相比,准确率最高提升5.4％,召回率最高提升2.5％,F1值最高提升4.1％.此外,在并发症的抽取结果中,F1值达到93.8％.[局限]模型主要适用于句子级关系抽取,暂未考虑其在更多句子情况下的性能.[结论]引入医学领域知识的远程监督医学实体关系抽取模型具有良好的关系抽取效果,可为医学关系抽取研究提供参考.
文献关键词：
医学关系抽取;远程监督;医学领域知识;预训练语言模型
中图分类号：
作者姓名：
景慎旗;赵又霖
作者机构：
南京大学信息管理学院 南京210023;南京医科大学生物医学工程与信息学院 南京211166;南京医科大学第一附属医院(江苏省人民医院)数据应用管理中心 南京210096
文献出处：
引用格式：
[1]景慎旗;赵又霖-.基于医学领域知识和远程监督的医学实体关系抽取研究)[J].数据分析与知识发现,2022(06):105-114
A类：
医学关系抽取,MedicalBERT
B类：
医学领域知识,远程监督,实体关系抽取,前传,传统医学,数据标注,错误标签,取模,噪声影响,预训练语言模型,注文,医学知识,知识库,述作,背景知识,语义编码,现有模型,召回率,句子级,多句
AB值：
0.231156
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
