土耳其MedNLI:土耳其医学自然语言推理数据集通过基于大型语言模型的翻译

科学领域:

• 自然语言处理 (NLP) 是一种自然语言处理.
• 生物医学信息学 生物医学信息学
• 计算语言学 计算语言学

背景情况:

• 自然语言推断 (NLI) 数据集对于NLP至关重要,但对于资源较少的语言来说很少.
• 对于医学等专业领域的手动注释是昂贵和复杂的.
• 医学数据集的直接翻译面临着缩写,单位和文化背景的挑战.

研究的目的:

• 通过翻译现有的英语资源来创建土耳其医疗NLI数据集.
• 为应对特定领域的翻译方面的挑战,包括缩写分辨率和指标转换.
• 评估大型语言模型在适应低资源语言的专业NLP数据集方面的有效性.

主要方法:

• 在医学缩写数据集 (MeDAL) 上微调了Llama-3.1模型,以提取缩写.
• 通过解决缩写和纠正米数单位来精炼NLI对.
• 使用没有语言落后 (NLLB) 模型翻译处理的句子.
• 通过机器学习模型 (BERTurk,BioBERTurk) 和医学专家的审查来评估翻译质量.

主要成果:

• 在TurkMedNLI测试组中,BERTurk获得了75.17%的准确性.
• 对于其测试数据,BioBERTurk 显示了可比性能,准确度为 75.59%.
• 医学专家证实了翻译数据集的质量和可用性.
• 管道成功地适应了一个域特定的NLI数据集,用于一个低资源语言.

结论:

• 大型语言模型是创建低资源语言专用NLP数据集的有效工具.
• 开发的管道为多语言生物医学NLP研究提供了可行的解决方案.
• 这项工作为跨语言医学NLP的未来进展奠定了基础.