MMDec, 2017

NegBio：一种用于放射学报告中否定和不确定性检测的高性能工具

PDF
TL;DR提出了一种新算法 NegBio，利用通用依赖模式识别出放射学报告中否定和不确定的发现，与现有技术相比具有更高的准确性。
negbioradiology reportsuniversal dependenciesnegationuncertainty
发现论文，激发创造
  • 基于规则和机器学习方法的荷兰临床文本否定词检测评估

    比较了三种荷兰临床笔记中否定检测的方法，并发现基于 biLSTM 模型和 RoBERTa 模型的检测系统精准度更高，可以在临床信息检索和决策支持系统中用于标签提取。

    Sep, 2022

  • 使用词汇 - 语义约束生成生物医学自然语言推理数据集用于对抗样本

    利用新型半监督过程从现有生物医学数据集生成一个针对复杂决策中自然语言推理问题的数据集 BioNLI，进行负样本生成的实验，准确度中等，在不同的负样本分类上表现不同。

    Oct, 2022

  • NegBERT：一种用于否定识别和范围解析的迁移学习方法

    本文探讨将迁移学习应用于处理生物医学领域的否定句及其范围分析问题，分析使用 BERT 作为模型的决策选择，并在 3 个数据集上获得了优秀的结果，超过了之前的最佳系统，其中包括 BioScope Corpus，Sherlock Dataset 和 SFU Review Corpus。我们还分析了模型在未经训练的数据集上的普适性。模型的令人满意的性能表明，迁移学习是解决生物医学领域问题的一种强大手段。

    Nov, 2019

  • 临床文本的联合实体提取和断言检测

    提出一种基于神经网络并采用多任务学习方法的信息提取模型，用于同时提取医学实体和否定词，该模型在低资源情况下使用基于条件 softmax 的共享解码器，实现了在 2010i2b2/VA 挑战数据集和专有的医学数据集上最先进的 NER 和否定检测效果。

    Dec, 2018

  • 用于生物医学知识图谱的基准数据集和负面陈述

    知识图谱中的负面陈述可以改善知识图谱嵌入的性能，并提供用于负面陈述的基准数据集。

    Jul, 2023

  • NegatER：基于常识知识库的负例自动发现方法

    该研究提出了 NegatER 框架，使用上下文语言模型对常识知识库中的负面语句进行排序，不需要真实的负面数据，有助于完成知识库中的缺失信息。实验结果证明，与多种数据扩增方法相比，NegatER 产生的负面语句更合理、更连贯、更具有信息量，以显著地提高知识库补充任务的准确性，证实了语言模型中的正面知识可以 “重新利用” 来生成负面知识。

    Nov, 2020

  • 创建一个西班牙放射学报告标注语料库

    本研究提供了一个包含 513 份西班牙语放射学报告的新匿名化注释语料库，手动标注了实体、否定与不确定性术语和关系，该语料库可作为命名实体识别和关系提取算法的评估资源和监督方法的输入，并为其他研究人员提供指导。

    Oct, 2017

  • 具有否定语句的生物医学知识图谱嵌入

    提出了一种能够将负面语句纳入知识图谱表示学习过程中的新方法 TrueWalks，通过一种能够区分正面和负面语句并考虑本体知识图谱中否定的语义涵义的新型遍历生成方法，有效改善了知识图谱嵌入方法在生物医学领域中负面语句的不足，同时在蛋白质相互作用预测和基因疾病关联预测两个任务中验证了该方法在知识图谱嵌入上的全面性能提升。

    Aug, 2023

  • BERN2：一种先进的神经生物医学实体识别和规范化工具

    BERN2 是一种用于生物医学实体识别和归一化的工具，采用多任务命名实体识别模型和神经网络归一化模型，能更快、更准确地进行推理，帮助构建生物医学知识图谱。

    Jan, 2022

  • NLI 是否能为低资源生物医学关系提取提供适当的间接监督？

    通过间接监督，将生物医学关系抽取转化为自然语言推理，利用语义线索减轻注释稀缺性，通过排名损失隐式地校准生物医学关系抽取中的模糊示例，避免模型在未知关系上的猜测，结合 NLI 知识与生物医学知识，可在全量和低资源环境下获得最佳性能提升。

    Dec, 2022