基于医学领域知识和远程监督的医学实体关系抽取研究

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.

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

所属期刊栏目：6

分类号：G302;R-02(科学研究理论)

资助基金：国家重点研发计划;江苏省重点研发计划项目

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：105-114