HealthPrompt:臨床自然言語処理のためのゼロショット学習パラダイム【JST・京大機械翻訳】

Sivarajkumar Sonish; Wang Yanshan

プレプリント

J-GLOBAL ID：202202217324101504 整理番号：22P0301711

HealthPrompt:臨床自然言語処理のためのゼロショット学習パラダイム【JST・京大機械翻訳】

HealthPrompt: A Zero-shot Learning Paradigm for Clinical Natural Language Processing

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： 2022年03月09日プレプリントサーバーでの情報更新日： 2022年03月09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)

深層学習アルゴリズムは大規模注釈付き臨床テキストデータセットのアベイラビリティに依存する。そのような公的に利用可能なデータセットの欠如は,臨床自然言語処理(NLP)システムの開発にとって最大のボトルネックである。ゼロショット学習(ZSL)は,訓練データが以前に見られていない新しいクラスからインスタンスを分類するための深層学習モデルの使用に言及する。Promptベースの学習は,NLPタスクのためのタスクベースのテンプレートを定義する新しいZSL技術である。健康Promptと呼ばれる新規迅速ベース臨床NLPフレームワークを開発し,臨床テキストに関する迅速ベース学習のパラダイムを適用した。この技法では,事前訓練言語モデル(PLM)を微調整するよりも,タスク定義は迅速なテンプレートを定義することにより調整される。著者らは,無データ設定における6つの異なるPLMに関する健康Promptの徹底的な分析を行った。著者らの実験は,即座が臨床テキストのコンテキストを効果的に捕捉し,訓練データなしで著しく良好に機能することを示した。【JST・京大機械翻訳】

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

人工知能

, , , ,

前のページに戻る