biomedical domain | BriefGPT

关键词biomedical domain

搜索结果 - 48

EMNLPQA2Explanation: 为基于知识图谱的问答系统生成和评估解释
本文提出了一个用于自动生成解释的方法来改善基于管道的问答系统，在特定领域（如生物医学领域）中应用 QA 系统的难点在于其 “黑匣子” 性质，该方法是通过考虑三类（成功、无回答和错误回答）用于注释所涉及 QA 组件的输出，并选择一个模板解释来
PDF4 years ago
一种基于数据驱动的方法用于远程监督下的生物医学关系抽取中的噪声削减
使用多实例学习和 BERT 模型，我们提出了一个简单的数据编码方案，以降低噪音并获得了远程监控生物医学关系提取的最新性能，同时进一步编码关于关系三元组方向的知识，从而减少噪音并减轻了与知识图完成的联合学习的需要。
PDF4 years ago
无监督域适应语言模型用于阅读理解
本研究提出了不受监督领域自适应阅读理解（UDARC）的两种模型，其中一种采用了序列学习方法，而另一种采用了语言建模和阅读理解的多任务学习方法。研究结果表明，这些模型在不同领域的五个数据集上具有比无领域自适应模型更好的性能表现，已进一步提高了
PDF5 years ago
AAAILATTE：用于生物医学实体链接的潜在类型建模
本文介绍了一种用于解决生物医学领域实体链接问题的模型 LATTE，该模型通过建模提及和实体的潜在类型信息来提高实体链接的性能，并且在 MedMentions 数据集和医生笔记语料库上取得了显著的表现提升。
PDF5 years ago
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
PDF5 years ago
无监督关系抽取的深度双向转换器
使用句法分析和预先训练的词嵌入技术，在缺乏任何形式监督的情况下，提取少量精确关系，用于注释更大的语料库，并在生物医学领域的四个数据集上通过微调预先训练的 BERT 模型进行关系抽取实验表明，与无监督关系提取的两个简单的基线相比，我们的方法显
PDF5 years ago
使用深度语篇模型和迁移学习提取生物医学出版物中的声明
本文介绍了一种用于从生物医学领域的科学文章摘要中提取科学主张的模型，该模型使用传递学习技术进行微调，并将其与基于规则和深度学习技术的几个基准模型进行比较。最终模型使用微调后的传递学习技术与基准模型相比，其 F1 得分提高了 14 个百分点。
PDF5 years ago
KDD一种用深度学习实现医疗关系抽取的混合方法
本研究提出了一种深度学习方法，利用单词级和句子级表示同时提取治疗和问题之间的关系，以用于医疗决策支持系统、安全监测和新治疗发现。通过深度学习和基于规则的模型的联合结果获得了最终的关联关系。该系统在 I2b2 2010 关系提取任务的关系类别
PDF6 years ago