英语corpora的注释保存机器翻译,以验证荷兰临床概念提取工具的有效性

科学领域:

• 自然语言处理 (NLP) 是一种自然语言处理.
• 临床信息学 临床信息学
• 计算语言学 计算语言学

背景情况:

• 对于非英语语言,注释的临床体很少,这阻碍了专门的NLP工具的开发.
• 验证概念提取工具通常依赖于特定语言的注释数据集.

研究的目的:

• 评估使用英语 corpora 翻译成荷兰语验证荷兰概念提取工具的可行性.
• 评估一种在机器翻译过程中保存注释的方法.
• 解决需要有效创建非英语注释的临床公司的需求.

主要方法:

• 使用谷歌翻译和OpenAI GPT-4将三个英语注释体标准化并翻译成荷兰语.
• 采用了一种新的方法,在翻译之前在文本中嵌入注释,以保存它们.
• 评估 MedSpaCy 和 MedCAT 概念提取工具在原始英语和翻译的荷兰语公司的性能.

主要成果:

• 翻译过程成功地产生了荷兰语注释 corpora.
• 概念提取工具 (MedSpaCy,MedCAT) 在英语和荷兰公司的表现相对相似.
• 注释保存方法是有效的,轻微的翻译变化不会影响提取的准确性.
• 监督的MedCAT模型表现优于无监督的模型;MedSpaCy显示高回忆率但精度较低.

结论:

• 翻译的英语 corpora 可以有效验证非英语概念提取工具.
• 拟议的注释保存方法对于创建多语言 corpora.是有效的.
• 这种方法有助于在临床环境中为资源不足的语言开发准确的NLP工具.