unstructured text | BriefGPT

关键词unstructured text

搜索结果 - 11

开源语言模型在医学文本数据摘要中的比较分析
在医疗笔记和对话中，非结构化文本具有丰富的信息。最近大型语言模型（LLMs）的进展展示了对非结构化文本数据的问题回答和摘要任务的卓越性能，超过了传统的文本分析方法。然而，在文献中缺乏有系统地评估和报告不同 LLMs 性能的科学研究，特别是针
PDFa month ago
自我验证提高少样本临床信息提取
本研究提出了一种基于自我验证的方法，利用大语言模型在不需要可靠人工注释的情况下，提高规范化临床信息提取的准确性，并为其提供输出解释，有助于在资源受限的情况下有效审核提取的临床信息。
PDFa year ago
通过上下文规则辅助机器学习将非结构化文本转化为数据（CRAML）
本研究提出了 Context Rule Assisted Machine Learning (CRAML) 方法，允许领域专家从非结构化文本中构建定制的标记数据集，并构建可追溯到专家编写规则的机器学习文本分类模型，可以在大规模文本数据中可靠
PDFa year ago
利用经过优化的大型语言模型从复杂的科技文本中提取结构化信息
通过预先训练的语言模型 GPT-3，我们提出了一种简单的序列到序列方法来联合提取科学文本中的复杂层次信息的命名实体识别和关系抽取，并证明了这种方式能够准确提取复杂科学知识的有用记录。
PDF2 years ago
ACL通过检索非结构化知识进行自适应命名实体识别
本文提出了一种自适应 NER 方法，利用未经充分学习的实体作为查询，从非结构化文本中检索外部知识，以提高模型的性能。通过实验验证，该模型在 CrossNER 数据集上表现优于强基准模型 2.35 个 F1 分数。
PDF2 years ago
EHRKit：面向电子健康档案文本的 Python 自然语言处理工具包
本文介绍了 EHRKit python 库，该库包含两个主要部分，MIMIC-III 特定功能和任务特定功能，通过访问 MIMIC-III NOTEEVENTS 数据并整合多个第三方库，以处理包括实体识别、文本摘要、机器翻译等 12 个 N
PDF2 years ago
从社会服务文本中提取影响模型叙述
该论文提出了一种基于实体命名识别的方法，其针对社会服务实体设计，在抽取非结构化文本信息的同时，提取所需和满足者等实体的本体学表示，并生成用于回答社会目的组织定义的影响模型查询的假设。
PDF2 years ago
医学表示学习的图文多模态预训练
本文介绍了 MedGTX，它是一个用于结构化和文本电子健康记录数据的多模态表示学习的预训练模型。MedGTX 使用图编码器和文本编码器来处理结构化数据和非结构化文本，并使用交叉模态编码器学习联合表示空间。通过在 MIMIC-III 上进行四
PDF2 years ago
优化 IT 服务的认知计算
本文提出一种基于自然语言处理技术的认知解决方案，通过对 IT 服务台票据、客户满意度调查和社交媒体数据的深入分析，提取出主题、实体、情绪和知识等有价值的非结构化信息，并可进行分类、分段和时间序列预测，最终在交互式仪表板上可视化展示，实现显著
PDF3 years ago
EMNLP语言模型参数中能够包含多少知识？
本文研究采用预训练的神经语言模型 Fine-tuning 技术回答问题，证实这种方法不需要额外的上下文或知识，并能有效解决竞争性问题。我们提供代码和训练的模型以促进可重复性和未来的工作。
PDF4 years ago
一种高再现性和高准确度的自动化主题分类方法
通过比较 LDA 和社区检测算法的优缺点，该研究提出一种用于主题发现的新算法，可在英文维基百科大规模文章中展现层次结构，提高文本分析系统的可靠性。
PDF10 years ago