ترغب بنشر مسار تعليمي؟ اضغط هنا

تطبيع المفهوم الطبي الطبيعي من خلال الاستفادة من الارتفاع

Biomedical Concept Normalization by Leveraging Hypernyms

140   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

يستخدم تطبيع المفهوم الطبي الحيوي (BCN) على نطاق واسع في معالجة النص الطبية الحيوية كوحدة أساسية.بسبب العديد من المتغيرات السطحية للمفاهيم الطبية الحيوية، لا يزال BCN صعبا وغير مستمر.في هذه الورقة، نمستحم فرطيات المفهوم الطبية الحيوية لتسهيل BCN.نقترح Norkizer مفهوم الطبية الطبية الحيوية مع فرط النعاطات (BCNH)، وهو إطار جديد يتبنى تدريبات قائمة في القائمة للاستفادة من كل من الارتباطات والنظارات المرادفات، وتوظف أيضا قيود المعايير على تمثيل أزواج كيان Hypernym-Hypernym-hyponymy.تظهر النتائج التجريبية أن BCNH تتفوق على نموذج الحالة السابقة في مجموعة بيانات NCBI.

المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

إن دمج المعرفة في نص هو وسيلة واعدة لإثراء التمثيل النصي، خاصة في المجال الطبي. ومع ذلك، فإن المعرفة غير المتمايزة لا تخلط بين تمثيل النص فحسب، بل تستورد أيضا ضوضاء غير متوقعة. في هذه الورقة، لتخفيف هذه المشكلة، نقترح الاستفادة من كبسولة التوجيه لربط المعرفة مع الأدب الطبي هرمي (يسمى Hicapsrkl). أولا، تستخرج Hicapsrkl شظايا نصية مصممة تجريبية من الأدب الطبي وتكررها في تمثيلات شظية على التوالي. ثانيا، يتم تطبيق خوارزمية التوجيه الكبسولة على تمثيلين شظيين. من خلال الحوسبة الكبسولة والتوجيه الديناميكي، تتم معالجة كل تمثيل في تمثيل جديد (يشار إليه كتمثيل قبعات)، ونحن ندمج تمثيلات قبعات ككبار معلومات للمعرفة العاملية بالأدب الطبي هرمي. أخيرا، يتم التحقق من صحة Hicapsrkl عند التنبؤ بالأهمية ومجموعات اختبار استرجاع الأدب الطبي. تظهر النتائج والتحليلات التجريبية أن Hicapsrklcan أكثر دقة المعرفة مع الأدب الطبي من الأساليب الرئيسية. باختصار، يمكن أن يساعد Hicapsrkl بكفاءة في اختيار المعرفة الأكثر صلة بالأدب الطبي، والتي قد تكون محاولة بديلة لتحسين تمثيل النص المستند إلى المعرفة. يتم إصدار شفرة المصدر على Github.
نظرا لعدد كبير من الكيانات في قواعد المعرفة الطبية الحيوية، فإن جزء بسيط من الكيانات الصغيرة فقط بيانات التدريب المسمى. وهذا يستلزم كيان ربط النماذج التي يمكن أن تصل إلى ربط تذكر الكيانات غير المرئية باستخدام التمثيلات المستفادة للكيانات. يتذكر كل من هما السابقة بشكل مستقل، وتجاهل العلاقات داخل الوثائق وعبر الوثائق بين الكيان. يمكن أن تكون هذه العلاقات مفيدة للغاية لربط الذكور في النص الطبي الطبيعي حيث غالبا ما تذكر القرارات ذات الصلة وجود نموذج عام أو متخصص للغاية. في هذه الورقة، نقدم نموذجا يمكن فيه إلقاء النموذج الذي يمكن فيه اتخاذ قرارات مرتبطة فقط بالربط بالكيان الأساسي المعرفي ولكن أيضا من خلال تجميع تذكر معا عبر التجميع والاشتراك في ربط التوقعات. في تجارب في أكبر مجموعة بيانات بيئية متوفرة للجمهور، نحسن أفضل التنبؤ المستقل للكيان الذي يربط بمقدار 3.0 نقطة من الدقة، ويحسن نموذج الاستدلال القائم على التجميع كيان يربط بمقدار 2.3 نقطة.
يزداد عدد الوثائق الطبية الحيوية بسرعة.وفقا لذلك، يتزايد الطلب على استخراج المعرفة من النصوص الطبية الحيوية على نطاق واسع.تعرف النماذج القائمة على بيرت بأدائها عالية في المهام المختلفة.ومع ذلك، غالبا ما يكون باهظ الثمن بشكل حسابي.بيئة GPU متطورة غير متوفرة في العديد من المواقف.لتحقيق كل من الدقة عالية وسرعة الاستخراج السريع، نقترح مجموعات من النماذج المبهب المدربة مسبقا.تتفوق طريقةنا على أحدث طراز أحدث نماذج ومقرها بيرت على جاد كوربوس.بالإضافة إلى ذلك، تظهر طريقةنا بسرعة ما يقرب من ثلاث مرات سرعة استخراج أسرع من النماذج القائمة على Bert
يعرف تطبيق المتخصص في مجال التعرف على الكيان المسمى (ner) باسم الطيوميدي (Bioner)، الذي يهدف إلى تحديد وتصنيف المفاهيم الطبية الحيوية التي تهم الباحثين، مثل الجينات والبروتينات والمركبات الكيميائية والمخدرات والطفرات والأمراض ، وما إلى ذلك وهلم جرا. تشبه المهمة Bioner إلى حد كبير عام NER ولكن الاعتراف بالكيانات الطبية الحيوية المسماة (BNES) أكثر تحديا من الاعتراف بالأسماء المناسبة من الصحف بسبب خصائص التسميات الطبية الحيوية. من أجل معالجة التحديات التي تطرحها Bioner، تم تنفيذ سبع نماذج تعليمية في سبع آلات مقارنة نهج تعلم النقل بناء على برت ضبط صقل مع النماذج العصبية التي تعتمد عليها BI-LSTM وطراز CRF يستخدم كناسما أساسيا. تم استخدام الدقة والتذكر و F1-Score نظرا لأن درجات الأداء التي تقوم بتقييم النماذج على اثنين من الأطباق الطبية الحيوية المعروفة: Jnlpba و Biocreative IV (BC-IV). تعتبر مطابقة صارمة جزئية معايير تقييم. تشير النتائج المبلغ عنها إلى أن نهج التعلم عبر النقل يعتمد على بيرت المصنفات التي تم ضبطها تتفوق جميع أساليب الآخرين على تحقيق أعلى درجات لجميع المقاييس على كلا الشريعة.
إن النمو السريع في التجارب السريرية المنشورة يجعل من الصعب الحفاظ على مراجعات منهجية محدثة، والتي تتطلب إيجاد جميع التجارب ذات الصلة. وهذا يؤدي إلى اتخاذ القرارات السياسية والممارسة بناء على مجموعة فرعية خارجية وغير كاملة منحازة من الأدلة السريرية ال متاحة. قد يكون استخراج ثم تطبيع السكان والتدخل والمقارنة والمقارنة والنتيجة (PICO) من مقالات التجريبية السريرية طريقة فعالة لتعيين التجارب التلقائية تلقائيا لمراجعات منهجية وتجنب البحث والفحص --- أكثر عمليات المراجعة المنهجية التي تستغرق وقتا طويلا. نقترح واختبار نهج رواية للكشف عن SPAN. الفرق الرئيسي بين أسلوبنا المقترح والنهج السابقة يأتي من اكتشاف المواقف دون الحاجة إلى بيانات تمدد المشروح واستخدام التعليقات التوضيحية على مستوى الجملة الجماعي فقط. تظهر التجارب على مجموعة بيانات اثنين من نتائج اكتشاف PICO Span تحقيق نتائج أعلى بكثير للتذكر عند مقارنتها بالأساليب الإشرافية بالكامل مع اكتشاف جملة بيكو على الأقل جيدة مثل التوضيح البشرية. من خلال إزالة الاعتماد على التعليقات التوضيحية للخبراء للكشف عن SPAN، يمكن استخدام هذا العمل في خط أنابيب رشاشيا لتحويل التوضيحات بيكو ذات الجودة المنخفضة ذات المستوى الخشفي والجمدية إلى معلومات منظمة يمكن استخدامها بسرعة لتعيين التجارب بشكل منهجي مراجعات.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا