目標概念埋込みの学習によるユーザ生成テキストにおける医療概念正規化【JST・京大機械翻訳】

Kalyan Katikapalli Subramanyam; Sangeetha S.

プレプリント

J-GLOBAL ID：202202201983832105 整理番号：22P0156166

目標概念埋込みの学習によるユーザ生成テキストにおける医療概念正規化【JST・京大機械翻訳】

Medical Concept Normalization in User Generated Texts by Learning Target Concept Embeddings

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 (2件)： ,
資料名：
発行年： 2020年06月06日プレプリントサーバーでの情報更新日： 2020年06月06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)

医学概念正規化は,自由形式テキストにおける標準概念の発見を助け,語彙における標準概念に対する健康関連記述のマップである。それは単純なストリングマッチングをはるかに超えて,概念言及の深い意味理解を必要とする。最近の研究手法はテキスト分類またはテキストマッチングのいずれかとして概念正規化を行う。既存のa)テキスト分類手法における主な欠点は,学習入力概念記述表現b)テキストマッチングアプローチにおける貴重なターゲット概念情報を無視することであり,時間及び資源消費であるターゲット概念埋込みを別々に生成する必要性である。提案モデルは,入力概念記述とターゲット概念の表現を共同学習することにより,これらの欠点を克服する。第1に,RoBERTaを用いて入力概念記述表現を学習する。第2に,入力概念の埋込みとすべての目標概念の埋込みの間の余弦類似性を見つける。ここでは,目標概念の埋込みを,ランダムに初期化し,訓練中に更新した。最後に,最大余弦類似性を有する目標概念を入力概念に割り当てた。著者らのモデルは,2.31%まで精度を改善することによって,3つの標準データセットを通してすべての既存の方法を凌駕した。【JST・京大機械翻訳】

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

自然語処理 , 人工知能

, , , , ,

前のページに戻る