コード混合型臨床テキストの粗粒非同定のための少数ショットクロスリンガル転送【JST・京大機械翻訳】

Amin Saadullah; Goldstein Noon Pokaratsiri; Wixted Morgan Kelly; Garcia-Rudolph Alejandro; Martinez-Costa Catalina; Neumann Guenter

プレプリント

J-GLOBAL ID：202202200933580702 整理番号：22P0329197

コード混合型臨床テキストの粗粒非同定のための少数ショットクロスリンガル転送【JST・京大機械翻訳】

Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月10日プレプリントサーバーでの情報更新日： 2022年04月10日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

構造化知識を提供するディジタルヘルスケアシステムの進歩にもかかわらず,重要な情報の多くは,まだ大量の非標識および非構造化臨床テキストにある。保護された健康情報(PHI)を含むこれらのテキストは,下流アプリケーションのための情報抽出ツールに曝露され,患者同定を危険にさらす。脱同定における既存の研究は,英語における大規模注釈コーパスの使用に依存しており,それは,実世界多言語設定においてしばしば適していない。事前訓練言語モデル(LM)は,低資源設定における交差言語移動に対する大きな潜在能力を示した。本研究では,筆者らは,エンティティ認識(NER)と名付けたLMの少数ショット交差言語転送特性を経験的に示し,それを適用して,ストローク領域における符号混合(Spanish-Catalan)臨床ノート脱同定の,低資源および実世界の課題を解いた。訓練のために数百のラベル付き例のみを使用する,少数ショット設定性能を評価するための金評価データセットを注釈した。著者らのモデルは,著者らの少数ショット交差言語ターゲットコーパスを有するMEDDOCAN(Marimon et al., 2019)コーパスから多言語BERT(mBERT)(Devlin et al., 2019)を適用するとき,金評価セットに関して73.7%から91.2%までゼロショットF1スコアを改良した。サンプル外試験セットに一般化すると,最良モデルは97.2%の人間評価F1スコアを達成した。【JST・京大機械翻訳】

, , , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

自然語処理

, , ,

前のページに戻る