論文の概要: BioELX: Cross-lingual Biomedical Entity Linking via Alias-based Retrieval and LLM Ranking

• arxiv url: http://arxiv.org/abs/2605.27380v1
• Date: Thu, 09 Apr 2026 20:07:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 07:09:36.507323
• Title: BioELX: Cross-lingual Biomedical Entity Linking via Alias-based Retrieval and LLM Ranking
• Title（参考訳）: BioELX: Aliasベースの検索とLLMランキングによる言語間バイオメディカルエンティティリンク
• Authors: Yi Wang, Corina Dima, Liangyu Zhong, Steffen Staab,
• Abstract要約: 言語間バイオメディカル・エンティティ・リンク (BEL) マップは、知識ベース (KB) 内の任意の言語で言及されるユニークな識別子に言及する。 タスク固有の注釈付き学習コーパスを必要としない2段階の言語間BELフレームワークであるBioELXを提案する。
• 参考スコア（独自算出の注目度）: 12.872114414250442
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Cross-lingual biomedical entity linking (BEL) maps mentions in any language to unique identifiers in a biomedical knowledge base (KB), supporting clinical and biomedical NLP applications. However, expert-annotated training data for BEL are costly, especially for low-resource languages. Moreover, many cross-lingual BEL systems rely on SapBERT-based retrievers trained on predominantly English aliases in the KB, leading to poor generalization to unseen non-English mentions and limited context-aware disambiguation. We propose BioELX, a two-stage cross-lingual BEL framework that requires no task-specific annotated training corpora. In Stage~1, we enrich SapBERT training with Wikidata-derived multilingual aliases and use the resulting retriever to improve cross-lingual candidate retrieval. In Stage~2, we perform context-aware disambiguation with a pre-trained LLM ranker that jointly considers the mention context and candidate, eliminating the need for supervised training. Experiments on five benchmarks (XL-BEL, EMEA, Patent, WikiMed-DE, and MedMentions) show that BioELX achieves new state-of-the-art performance. It improves average Recall@1 on XL-BEL by +19.2, with especially large gains for low-resource languages, e.g., +21.6 on Turkish, +22.1 on Korean, +30.8 on Thai, and delivers consistent improvements on EMEA (+6.2), Patent (+5.4), and WikiMed-DE (+12.8). Code and resources will be released upon publication.
• Abstract（参考訳）: 言語間バイオメディカル・エンティティ・リンク (BEL) マップは、あらゆる言語でバイオメディカル・ナレッジ・ベース (KB) のユニークな識別子に言及し、臨床およびバイオメディカル・NLPの応用をサポートする。 しかしながら、BELのエキスパートアノテートされたトレーニングデータは、特に低リソース言語ではコストがかかる。 さらに、多くの言語間BELシステムは、SapBERTベースのレトリバーに依存しており、KBで主に英語のエイリアスで訓練されている。 タスク固有の注釈付き学習コーパスを必要としない2段階の言語間BELフレームワークであるBioELXを提案する。 ステージ~1では、Wikidata由来の多言語エイリアスを用いてSapBERTトレーニングを充実させ、得られた検索器を用いて、言語間候補検索を改善する。 ステージ~2では、参照コンテキストと候補を協調的に考慮し、教師付きトレーニングの必要性を排除した事前学習LLMローダを用いて文脈認識の曖昧化を行う。 5つのベンチマーク(XL-BEL, EMEA, Patent, WikiMed-DE, MedMentions)の実験は、BioELXが新しい最先端のパフォーマンスを達成することを示している。 XL-BELのRecall@1を+19.2で改善し、低リソース言語ではeg , +21.6、韓国では+22.1、タイでは+30.8、EMEA(+6.2)、特許(+5.4)、WikiMed-DE(+12.8)で一貫した改善を提供している。 コードとリソースは公開時に公開される。

関連論文リスト

• BIBERT-Pipe on Biomedical Nested Named Entity Linking at BioASQ 2025 [5.329747408496098]
  我々は,BioNNE 2025多言語バイオメディカルNested Named Entity Linking Share Task(英語とロシア語)について紹介する。 検索段階は、元の事前学習モデルを使用し、ランキング段階はドメイン固有の微調整を適用する。 BioNNE 2025のリーダーボードでは、バイリンガルベルト(BIBERT-Pipe)という2つのステージが多言語トラックで3位にランクされ、これらの最小でも原則化された修正の有効性と競争性を実証した。
  論文  参考訳（メタデータ） (2025-09-10T09:14:25Z)
• XAMPLER: Learning to Retrieve Cross-Lingual In-Context Examples [64.79218405438871]
  XAMPLER: 言語横断学習の課題に対処するための手法であるクロス言語実例検索法を紹介する。 XAMPLERはまず、多言語小言語モデルであるGlot500に基づいてレトリバーを訓練する。 ターゲット言語の文脈内学習の例として、英語の例を直接検索することができる。
  論文  参考訳（メタデータ） (2024-05-08T15:13:33Z)
• UCAS-IIE-NLP at SemEval-2023 Task 12: Enhancing Generalization of Multilingual BERT for Low-resource Sentiment Analysis [24.542445315345464]
  本稿では,SemEval-2023 Task 12: Sentiment Analysis for African Languageについて述べる。 具体的には,語彙に基づく多言語BERTを設計し,言語適応と感情認識表現学習を容易にする。 提案システムは,多言語およびゼロショットの感情分類サブタスクにおいて,ベースラインをほぼ上回り,競争的な結果を得た。
  論文  参考訳（メタデータ） (2023-06-01T19:10:09Z)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)
• CBLUE: A Chinese Biomedical Language Understanding Evaluation Benchmark [51.38557174322772]
  中国初のバイオメディカル言語理解評価ベンチマークを提示する。 名前付きエンティティ認識、情報抽出、臨床診断正規化、単文/文対分類を含む自然言語理解タスクのコレクションである。 本研究は,現在の11種類の中国モデルによる実験結果について報告し,その実験結果から,現在最先端のニューラルモデルがヒトの天井よりもはるかに悪い性能を示すことが示された。
  論文  参考訳（メタデータ） (2021-06-15T12:25:30Z)
• Learning Domain-Specialised Representations for Cross-Lingual Biomedical Entity Linking [66.76141128555099]
  言語横断型バイオメディカルエンティティリンクタスク(XL-BEL)を提案する。 まず、標準単言語英語BELタスクを超えて、標準単言語および多言語LMと同様に、標準的な知識に依存しない能力について検討する。 次に、リソースに富んだ言語からリソースに乏しい言語にドメイン固有の知識を移すことの課題に対処する。
  論文  参考訳（メタデータ） (2021-05-30T00:50:00Z)
• Pre-training via Leveraging Assisting Languages and Data Selection for Neural Machine Translation [49.51278300110449]
  興味のある言語に対する単言語コーパスの不足を補うために,他の言語の単言語コーパスを活用することを提案する。 低リソースの日英ニューラルマシン翻訳(NMT)のケーススタディでは、中国語とフランス語のモノリンガルコーパスを活用することで、日本語と英語のモノリンガルコーパスの不足を克服できることが示された。
  論文  参考訳（メタデータ） (2020-01-23T02:47:39Z)

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。