論文の概要: A Joint Neural Baseline for Concept, Assertion, and Relation Extraction from Clinical Text

• arxiv url: http://arxiv.org/abs/2603.07487v1
• Date: Sun, 08 Mar 2026 06:16:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-10 15:13:14.628924
• Title: A Joint Neural Baseline for Concept, Assertion, and Relation Extraction from Clinical Text
• Title（参考訳）: 臨床テキストからの概念, 挿入, 関係抽出のための統合神経ベースライン
• Authors: Fei Cheng, Ribeka Tanaka, Sadao Kurohashi,
• Abstract要約: 臨床領域における多段階タスクの連成モデリングは、未探索のトピックである。 本稿では,3段階タスクを協調的に最適化するエンド・ツー・エンドシステムを提案する。 提案されたアプローチは、将来の研究の強力なジョイントベースラインとして機能する可能性がある。
• 参考スコア（独自算出の注目度）: 20.935090029714008
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Clinical information extraction (e.g., 2010 i2b2/VA challenge) usually presents tasks of concept recognition, assertion classification, and relation extraction. Jointly modeling the multi-stage tasks in the clinical domain is an underexplored topic. The existing independent task setting (reference inputs given in each stage) makes the joint models not directly comparable to the existing pipeline work. To address these issues, we define a joint task setting and propose a novel end-to-end system to jointly optimize three-stage tasks. We empirically investigate the joint evaluation of our proposal and the pipeline baseline with various embedding techniques: word, contextual, and in-domain contextual embeddings. The proposed joint system substantially outperforms the pipeline baseline by +0.3, +1.4, +3.1 for the concept, assertion, and relation F1. This work bridges joint approaches and clinical information extraction. The proposed approach could serve as a strong joint baseline for future research. The code is publicly available.
• Abstract（参考訳）: 臨床情報抽出(例: 2010 i2b2/VA Challenge)は通常、概念認識、アサーション分類、関係抽出のタスクを提示する。 臨床領域における多段階タスクの連成モデリングは、未探索のトピックである。 既存の独立したタスク設定(各ステージで与えられた参照入力)は、ジョイントモデルを既存のパイプラインの作業と直接的に比較しないようにする。 これらの課題に対処するために,共同タスク設定を定義し,三段階タスクを協調的に最適化する新しいエンドツーエンドシステムを提案する。 提案手法とパイプラインベースラインの併用評価を,単語,文脈,コンテキスト内埋め込みといった様々な手法を用いて実験的に検討した。 提案されたジョイントシステムは、パイプラインのベースラインを、概念、アサーション、関係F1に対して+0.3, +1.4, +3.1で大幅に上回っている。 本研究は共同アプローチと臨床情報抽出を橋渡しする。 提案されたアプローチは、将来の研究の強力なジョイントベースラインとして機能する可能性がある。 コードは公開されている。

関連論文リスト

• A Rule Based Solution to Co-reference Resolution in Clinical Text [1.2730705848836437]
  本研究の目的は、バイオメディカルドメインに適した効果的なコレファレンス解決システムを構築することである。 複数の医療データセットの総合成績は89.6%であった。
  論文  参考訳（メタデータ） (2025-03-12T23:29:08Z)
• CARE: Co-Attention Network for Joint Entity and Relation Extraction [0.0]
  本稿では,共同エンティティと関係抽出のためのコ・アテンション・ネットワークを提案する。 提案手法では,サブタスク毎に異なる表現を学習するための並列符号化方式を採用する。 このアプローチのコアとなるのは,2つのサブタスク間の双方向のインタラクションをキャプチャするコアテンションモジュールです。
  論文  参考訳（メタデータ） (2023-08-24T03:40:54Z)
• Similarity-based Memory Enhanced Joint Entity and Relation Extraction [3.9659135716762894]
  文書レベルの共同エンティティと関係抽出は難解な情報抽出問題である。 タスク間の双方向メモリのような依存性を持つマルチタスク学習フレームワークを提案する。 実験により,提案手法が既存手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-14T12:26:56Z)
• Development and validation of a natural language processing algorithm to pseudonymize documents in the context of a clinical data warehouse [53.797797404164946]
  この研究は、この領域でツールやリソースを共有する際に直面する困難を浮き彫りにしている。 臨床文献のコーパスを12種類に分類した。 私たちは、ディープラーニングモデルと手動ルールの結果をマージして、ハイブリッドシステムを構築します。
  論文  参考訳（メタデータ） (2023-03-23T17:17:46Z)
• OneRel:Joint Entity and Relation Extraction with One Module in One Step [42.576188878294886]
  統合エンティティと関係抽出は自然言語処理と知識グラフ構築において不可欠な課題である。 そこで我々は, 結合抽出を細粒度三重分類問題として用いた, OneRel という新しい結合実体と関係抽出モデルを提案する。
  論文  参考訳（メタデータ） (2022-03-10T15:09:59Z)
• iFacetSum: Coreference-based Interactive Faceted Summarization for Multi-Document Exploration [63.272359227081836]
  iFacetSumは、インタラクティブな要約と顔検索を統合している。 微粒なファセットは、クロスドキュメントのコア参照パイプラインに基づいて自動的に生成される。
  論文  参考訳（メタデータ） (2021-09-23T20:01:11Z)
• Self-supervised Answer Retrieval on Clinical Notes [68.87777592015402]
  本稿では,ドメイン固有パスマッチングのためのトランスフォーマー言語モデルをトレーニングするためのルールベースのセルフスーパービジョンであるCAPRを紹介する。 目的をトランスフォーマーベースの4つのアーキテクチャ、コンテキスト文書ベクトル、ビ-、ポリエンコーダ、クロスエンコーダに適用する。 本稿では,ドメイン固有パスの検索において,CAPRが強いベースラインを上回り,ルールベースおよび人間ラベル付きパスを効果的に一般化することを示す。
  論文  参考訳（メタデータ） (2021-08-02T10:42:52Z)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)
• An Iterative Multi-Knowledge Transfer Network for Aspect-Based Sentiment Analysis [73.7488524683061]
  本稿では,エンド・ツー・エンドABSAのための新しいIterative Multi-Knowledge Transfer Network (IMKTN)を提案する。 我々のIMKTNは、よく設計されたルーティングアルゴリズムを用いて、3つのサブタスクのうち2つのタスク固有の知識をトークンレベルで別のタスクに転送する。 3つのベンチマークデータセットの実験結果は、我々のアプローチの有効性と優位性を示している。
  論文  参考訳（メタデータ） (2020-04-04T13:49:54Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。