基于RoBERTa和单模块全球指针的中国医疗实体和关系的联合提取
Dongmei Li1,2, Yu Yang1,2, Jinman Cui1,2
1School of Information Science and Technology, Beijing Forestry University, 100083, Beijing, China.
BMC medical informatics and decision making
|July 31, 2024
概括
一个新的模型,RSGP,有效地提取了中国医疗实体和关系,克服了嵌套实体和重叠关系等挑战. 这种方法取得了最先进的结果,改善了中国医学文本的结构.
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
- 提取信息 提取信息
背景情况:
- 中国医学文本分析面临着嵌套实体和重叠关系的挑战.
- 传统方法经常通过分解提取任务来创造本地依赖.
研究的目的:
- 为中国医疗实体和关系提出一个新的关节提取模型.
- 解决处理复杂医学文本结构的现有方法的局限性.
主要方法:
- 开发了RoBERTa和单模块全球指针 (RSGP) 模型.
- 利用RoBERTa-wwm进行了增强的中文语言嵌入.
- 用第三次张量表示形式,将联合提取作为全局指针连接问题.
- 实施单模块全球指针解码方法以提高效率.
主要成果:
- 在CMeIE数据集上,RSGP在联合实体和关系提取方面表现优越.
- 与基线模型相比,该模型取得了最先进的结果.
- 通过单个字符实体解码的个别分析,提高了时间和空间性能.
结论:
- 该RSGP模型有效地从中国医学文本中提取实体和关系.
- 促进了中国医疗信息的结构化.
- 为构建中国医学知识图表提供高质量的数据.
