Jan, 2022

医学摘要的分类分节：一系列序列分类任务

PDF
TL;DR本研究基于最先进的深度学习模型（SSN-4 模型），探讨了不同的模型组件对表现和复杂性之间的平衡，同时调整单词嵌入来提高性能，并提出了一个解决第一个模型中混淆的对的第二个模型。结果表明，SSN-4 模型似乎不适用于 RCT 数据集之外。
biomedical text miningsequential sentence classificationdeep learning modelword embeddingsgeneralization
发现论文，激发创造
  • 基于 LSTM 的深度神经网络，关注于句子表示，用于医学科学摘要中的序列句子分类

    医学摘要中的连续句子分类任务（SSC）使用多级深度学习模型，包括 LSTM-based 网络和分层结构，来提取句子嵌入，进而实现更好的分类性能。

    Jan, 2024

  • PubMed 200k RCT: 医学摘要中用于序列句子分类的数据集

    本文介绍了 PubMed 200k RCT 数据集，该数据集基于 PubMed 用于序列句子分类，旨在为开发更准确的算法和在文献阅读方面提供更好的工具。

    Oct, 2017

  • 将科学摘要分成话语类别：一种基于深度学习的稀疏标记数据方法

    运用迁移学习，我们在计算机科学领域使用深度神经网络模型训练出三个共性的学术论文段落开头，分别是 BACKGROUND、TECHNIQUE 和 OBSERVATION，用以进行抽象语段级别的分割，并取得了 75% 的准确度。

    May, 2020

  • 科学文章的基于序列的摘要提取

    通过研究，本文在科学文章的有监督摘要提取方面展现了基于仅使用文档内文本的简单序列标记模型对简单分类模型的高效结果，并对句子级特征进行了最小化改进。通过进一步分析，我们展示了序列模型依赖文档结构且取决于学科领域的潜力。

    Apr, 2022

  • SuMe: 面向生物医学机制概述的数据集

    本文介绍了生物医学机制总结任务，并利用少量手工标注的机制句子，训练了机制句子分类器以过滤大量的生物医学摘要并创建了一个包含 22k 实例的总结数据集。此外，我们还引入了 611k 实例的结论句子生成作为预训练任务，并基准测试了大型生物领域语言模型的性能。我们发现，虽然预训练任务有助于提高性能，但最佳模型仅在 32％的情况下产生可接受的机制输出，这表明该任务在生物医学语言理解和总结方面面临巨大挑战。

    May, 2022

  • 医学科学论文中的序列句子分类的分层神经网络

    本文介绍一种基于层次化顺序标记网络的方法，利用上下文中的信息来帮助分类当前句子，解决了传统单句分类方法在连续多句分类中的问题，并在医学科学摘要的顺序句子分类任务中，取得了比最先进方法高出 2%-3% 的分类性能表现。

    Aug, 2018

  • 使用循环神经网络的科学话语中基于从句级别的结构化预测的实验分割

    本研究提出了一个基于深度学习的模型，通过序列标注和注意力机制，对科学文献中实验叙述中的结构进行识别，并比较了不同模型的效果和可能的应用。

    Feb, 2017

  • 科学文章句级嵌入的分类与聚类：对比学习生成

    使用对比学习来微调句子 Transformer 模型，生成科学文章中的句子级嵌入，并将其用于科学文章中的句子分类任务，取得了显著的改进。

    Mar, 2024

  • 生物医学文献中实验方法的自动文本挖掘

    生物医学文献是一个迅速扩展的科学技术领域，本研究提出了 Fine-tuned DistilBERT 方法，这是一种专门针对生物医学文本的预训练生成分类语言模型，通过 40% 减小 BERT 模型尺寸和 60% 的速度提升，证明其在语言理解能力上的有效性。本论文的主要目标是改进模型并评估其性能，以与非 Fine-tuned 模型进行对比。我们使用 DistilBERT 作为支持模型，在包括 32,000 篇摘要和完整文本文章的语料库上进行了预训练，其结果令人印象深刻，超过了使用 RNN 或 LSTM 的传统文献分类方法。我们的目标是将这个高度专业和特定的模型整合到不同的研究行业中。

    Apr, 2024

  • 医学论文摘要的联合句子分类神经网络

    本研究基于人工神经网络模型，通过结构化预测方法，综合考虑语句出现的上下文，同时分类相应的医学摘要，使得此新模型在连续的序列句子医学分类任务中达到最佳效果。

    Dec, 2016