May, 2020

WikiUMLS：通过跨语言神经排序将 UMLS 对齐到 Wikipedia

PDF
TL;DR使用跨语言神经重排序模型对统一医学语言系统和维基百科进行手动对齐，精确度高达 72％，比基于词和字符级别的 BM25 方法提高了 20％。我们发布了相关资源，包括为 70 万个统一医学语言系统概念排序的维基百科页面，并提供了一个可用于训练和评估的统一医学语言系统和维基百科对齐模型数据集。这将在多种语言环境下为医疗专业人士、患者和自然语言处理系统提供更容易访问维基百科的方式。
unified medical language systemwikipediacross-lingual neural reranking modelmanual alignmentmultilingual settings
发现论文，激发创造
  • UMLS Metathesaurus 中大规模生物医学词汇对齐的 UVA 资源

    本文提出了一种名为 UVA 的新任务，用于改善 UMLS Metathesaurus 构建流程，并通过逻辑规则和神经网络等多个方面来生成基准数据集和方法。

    May, 2022

  • 使用潜在语义索引实现双语文档对齐

    本文研究了如何在双语文档对齐任务中应用交叉语言传递矩阵，提取出文档的重要特征，通过将两种余弦相似度变量与 URL 相似度量的结合，可以达到高精度的 Web 页面对齐。

    Jul, 2017

  • 使用知识优化生物医学预训练语言模型

    提出 KeBioLM 这一生物医学语言 pretrained language model，该模型明确利用了来自 UMLS UMLS knowledge bases 知识库的知识，取得了名词实体识别和关系提取的不错效果。

    Apr, 2021

  • 跨语言知识图谱实体标签映射的统计和神经方法

    本研究探讨使用单词和句子对齐技术以及匹配算法来对来自特定多个语言的 Wikidata 实体标签进行对齐，并展示使用该技术能显着提高信息一致性的 F1 得分，尤其是使用句子嵌入技术的方法，这将可以用于机器翻译等领域。

    Jun, 2022

  • 通用可扩展的多阶段生物医学概念标准化利用大型语言模型

    通过使用专有和开源的大型语言模型（LLMs）与生物医学研究中常用的多种基于规则的归一化系统相结合，提高实体归一化性能并消除了需要微调的需要。

    May, 2024

  • 基于引导式知识融合的生物医学文档再排序语言模型强化

    本文提出了一种方法，旨在通过集成先验知识和先前训练的语言模型来辅助实现从外部来源获取信息和检索正确文件的目标，在两个生物医学领域的数据集上的实验表明，该方法显著提高了文档重新排序任务的效果。

    May, 2023

  • 神经跨语言实体链接

    本文提出一种神经实体链接模型，通过多种角度训练查询和候选文档之间的细粒度相似性和不相似性，并结合卷积和张量网络，在多语言语境下实现跨语言实体链接，并证明该英文训练的系统可以通过使用多语言嵌入进行零 - shot 学习。该提议系统在英语以及跨语言测试中取得 state-of-the-art 的结果 (例如：西班牙语和汉语 TAC 的 2015 数据集)。

    Dec, 2017

  • 用户生成文本中医学概念规范化的深度神经模型

    本文使用神经网络解决医学文本中的概念标准化问题，实验结果表明神经网络能够更好地识别实体，并获得更好的语义表示。

    Jul, 2019

  • 维基百科信息框的多语言模式匹配

    本文提出了一个方法，用于在不同语言的 Infoboxes 之间识别属性映射，该方法具有可扩展性和适用性广泛性，它能够通过 Wikipedia 的多语言资源和跨语言结构支持 Wikipedia 内容的结构化查询，并提高了查询结果的质量和覆盖范围。

    Oct, 2011

  • 运用深度学习简化社交媒体信息检索，为公共卫生研究提供服务

    本研究介绍了一种基于 BERT 的命名实体识别（NER）模型，一个深度学习规范化模块以及一个半监督聚类模块构建的框架，用于从社交媒体中提取与 COVID-19 相关的症状词典，并对其进行标准化，以减少在基于社交媒体的公共卫生研究中的关键词匹配信息检索约束。

    Jun, 2023