PRTA:医疗嵌套实体的联合提取和通过参数共享逐步识别和有针对性的分配解码方案的重叠关系
Bowen Liu1, Hong Song2, Yucong Lin3
1College of Medical Technology, Beijing Institute of Technology, Beijing, 100081, China.
Computers in biology and medicine
|May 10, 2024
概括
这项研究引入了一种新的医疗信息提取联合模型,提高了分析电子病历的一致性. PRTA模型有效地处理嵌套实体和重叠关系,优于现有方法.
科学领域:
- 自然语言处理自然语言处理.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 分析电子医疗记录涉及实体和关系提取,通常单独处理.
- 由于对嵌套实体和关系的孤立处理,现有的模型缺乏一致性.
- 这种分离阻碍了从医学文本中提取全面信息.
研究的目的:
- 提出一个共同的医疗实体关系提取模型,以提高一致性.
- 开发一个模型,同时处理嵌套实体和关系.
- 提高从电子医疗记录中提取信息的准确性.
主要方法:
- 一个名为"逐步识别和有针对性的分配" (PRTA) 的联合模型被开发出来.
- PRTA利用来自序列和词嵌入层的共享信息进行同时训练.
- 新的策略包括用于嵌套实体识别的复合三角形和用于关系提取的自适应多空间交互.
主要成果:
- 在多个数据集上,PRTA模型在最先进的方法上表现出优越的性能.
- 该方法有效地解决了嵌套实体和重叠关系带来的挑战.
- 在私人肝病数据集 (PLDD) 和公共数据集 (NYT, ACE04, ACE05) 上进行了实验.
结论:
- 拟议的联合模型显著提高了医疗信息提取的准确性.
- 在医疗记录中处理复杂的实体和关系结构时,PRTA提供了一个强大的解决方案.
- 这种方法提高了电子医疗记录的实用性,用于临床分析和研究.
