Aug, 2016

使用分散表示消除生物医学和临床概念的歧义

PDF
TL;DR本文报告了一种在生物医学和临床文本领域中进行词义消歧的基于知识的方法。我们结合大规模语料库上创建的词表示和来自 UMLS 的少量定义创建概念表示，然后将其与含糊术语上下文的表示进行比较。使用无关系信息，我们在生物医学领域中已知的数据集（MSH-WSD 数据集）上获得了可比较的性能。此外，我们的方法快速、易于设置和扩展到其他领域。
word sense disambiguationbiomedicalclinical textumlsconcept representations
发现论文，激发创造
  • 统一语义表示的多语言词义消歧

    本文提出了一种基于多语言词典建立知识和监督为基础的多语言词义消歧（MWSD）系统的方法，利用统一的语义表示，将多种语言的注释进行共同训练以解决 MWSD 的注释稀缺问题，并在 SemEval-13 和 SemEval-15 数据集上展示了该方法的有效性。

    Oct, 2022

  • 基于疾病概念的生物医学文档聚类与可视化

    本文介绍了一种基于向量表示和自组织映射的医学文献聚类技术，能够提供更好的文献搜索和浏览体验，并在实验中验证了该技术的有效性。

    Oct, 2018

  • 使用基于定义表示学习方法检测临床术语中的习语性多词表达

    本研究利用基于定义的语义模型来检测临床术语中的习语和半习语多词表达，开发了一种有效的工具来评估生物医学习语多词表达的习语性，结果表明 BioLORD 模型具有较强的识别习语多词表达的能力，有助于本体译者聚焦于更具挑战性的 MWEs。

    May, 2023

  • BioLORD-2023: 融合 LLM 和临床知识图谱洞察的语义文本表示

    我们在本研究中探讨了大型语言模型在补充生物医学知识图谱中的潜力，通过利用 UMLS 知识图谱和先进的大型语言模型，我们提出了一种新的先进方法，通过改进的对比学习阶段、新颖的自蒸馏阶段和权重平均化阶段，获得了生物医学概念和句子的高保真度表示。通过对 BioLORD 测试套件的严格评估和多样化的下游任务，我们证明了与以往先进技术相比的一致且显著的性能改进（例如，在 MedSTS 上提高了 2 点，在 MedNLI-S 上提高了 2.5 点，在 EHR-Rel-B 上提高了 6.1 点）。除了我们的新型英文生物医学模型外，我们还蒸馏并发布了与 50 多种语言兼容并在 7 种欧洲语言上进行了微调的多语言模型。我们最新的模型可以使许多临床流程受益，开启了生物医学语义表示学习在多种语言中发展的新途径，为全球的生物信息学研究人员提供了宝贵的工具。因此，我们希望看到 BioLORD-2023 成为未来生物医学应用的宝贵工具。

    Nov, 2023

  • 从大规模多模态医学数据中学习的临床概念嵌入

    使用大规模多模态医疗数据集，本文提出了一种新的 cui2vec 医疗概念词嵌入模型，并通过统计功率法进行了评估，结果表明该模型在大多数情况下相对于之前的方法具有最先进的性能。

    Apr, 2018

  • 医疗信息学分类问题中基于单词和上下文表示的比较

    本文研究了分布式文本表示的应用，比较了基于单词向量和基于上下文的句子向量两种表示方式在不同分类问题下的效果，结果显示，基于 ELMo，Universal Sentence Encoder，Neural-Net Language Model 和 FLAIR 的上下文表示效果较好，相较于基于词向量的表示，分类准确率提高了 2-4%。

    Jun, 2019

  • 医学语言嵌入的知识转移

    该研究使用分布语义学将结构化知识图谱与非结构化文本相结合，利用概率生成模型预测医学概念之间的新关系，进一步证明该方法可用于医学领域的数据稀缺性问题。

    Feb, 2016

  • 将医学概念向量表示改进以提高语义相似度和相关性估计

    本文提出了一种方法，通过使用 UMLS Metathesaurus 的结构信息对医学概念的分布上下文向量表示进行适应性改进，从而提高了链接概念之间向量表示的相似度，极大地提高了自动化方法的性能。

    Sep, 2017

  • 使用主题模型的基于知识的词义消歧

    本研究使用主题模型的形式设计了一种词义消歧系统，使其在上下文单词数线性增长的情况下扩展，该方法在 5 个英语全单词 WSD 数据集上进行的评估表明，其性能优于这一领域的当前最先进无监督知识为基础的 WSD 系统。

    Jan, 2018

  • 学习解缠表示并应用于生物医学摘要

    通过基于三元组文档之间相关性的敌对式目标，我们提出了一种学习文本的解缠混合表示方法，以实现高效的模型转移和可解释性，适用于临床试验医学摘要的嵌入，分离种群、干预措施和结果的方法效果良好，在多方面审查的实验中得证实太的使用具有很强的泛化能力。

    Apr, 2018