Fugu-MT 論文翻訳(概要): A multi-perspective combined recall and rank framework for Chinese procedure terminology normalization

論文の概要: A multi-perspective combined recall and rank framework for Chinese procedure terminology normalization

arxiv url: http://arxiv.org/abs/2101.09101v1
Date: Fri, 22 Jan 2021 13:37:10 GMT
ステータス: 処理完了
システム内更新日: 2021-03-20 17:30:28.041999
Title: A multi-perspective combined recall and rank framework for Chinese procedure terminology normalization
Title（参考訳）: 中国の手続き用語正規化のための多視点的リコールとランクフレームワーク
Authors: Ming Liang and Kui Xue and Tong Ruan
Abstract要約: 本論文では、中国語の手続き用語正規化に焦点を当てる。用語の表現は様々であり、医学的言及は複数の用語に関連付けられることがある。上記の課題を解決するため、リコールとランクフレームワークを組み合わせた提案を行います。
参考スコア（独自算出の注目度）: 11.371582109211815
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Medical terminology normalization aims to map the clinical mention to terminologies come from a knowledge base, which plays an important role in analyzing Electronic Health Record(EHR) and many downstream tasks. In this paper, we focus on Chinese procedure terminology normalization. The expression of terminologies are various and one medical mention may be linked to multiple terminologies. Previous study explores some methods such as multi-class classification or learning to rank(LTR) to sort the terminologies by literature and semantic information. However, these information is inadequate to find the right terminologies, particularly in multi-implication cases. In this work, we propose a combined recall and rank framework to solve the above problems. This framework is composed of a multi-task candidate generator(MTCG), a keywords attentive ranker(KAR) and a fusion block(FB). MTCG is utilized to predict the mention implication number and recall candidates with semantic similarity. KAR is based on Bert with a keywords attentive mechanism which focuses on keywords such as procedure sites and procedure types. FB merges the similarity come from MTCG and KAR to sort the terminologies from different perspectives. Detailed experimental analysis shows our proposed framework has a remarkable improvement on both performance and efficiency.
Abstract（参考訳）: 医学用語の正規化は、電子健康記録(EHR)と多くの下流タスクの分析において重要な役割を果たす知識ベースから得られた用語の臨床的言及をマッピングすることを目的としている。本稿では,中国の手続き用語の正規化に焦点をあてる。用語の表現は様々であり、医学的言及は複数の用語に関連付けられることがある。文献や意味情報から用語を分類する手法として,複数クラス分類やランク付け学習(LTR)について検討した。しかし、これらの情報は、特にマルチインプリケーションの場合、適切な用語を見つけるには不十分である。そこで本研究では,上記の問題を解決するためのリコールとランクの組み合わせフレームワークを提案する。このフレームワークは、マルチタスク候補生成器(mtcg)、キーワードの注意ランク付け器(kar)、および融合ブロック(fb)で構成されている。 MTCGは、参照含意数を予測し、セマンティックな類似性を持つ候補をリコールするために使用される。 KARはBertをベースにしており、プロシージャサイトやプロシージャタイプなどのキーワードに焦点を当てたキーワード注意機構を備えている。 FB は MTCG と KAR の類似性を融合させ、異なる視点から用語を分類する。詳細な実験分析の結果,提案するフレームワークは性能と効率の両方において顕著に改善されている。