論文の概要: Configurable Semantic Chunking for Biomedical Information Extraction in Retrieval-Augmented Generation

• arxiv url: http://arxiv.org/abs/2608.31139v1
• Date: Mon, 31 Aug 2026 17:44:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.544564
• Title: Configurable Semantic Chunking for Biomedical Information Extraction in Retrieval-Augmented Generation
• Title（参考訳）: 検索型世代におけるバイオメディカル情報抽出のための構成可能なセマンティックチャンキング
• Abstract要約: BioMedRAGは、バイオメディカル情報抽出のための学習チャンクスコアラーを備えた検索拡張生成を導入した。 本稿では,エンティティ保存ウィンドウ,トリガ中心チャンキング,命題優先抽出,タインドトリガ優先化,階層的関係解決を組み合わせたセマンティックチャンキングフレームワークを提案する。 バイオメディカル関係抽出ベンチマーク(GM-CIHT, DDI, ChemProt)と有害事象分類(ADE)の枠組みを評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: BioMedRAG introduced retrieval-augmented generation with a learned chunk scorer for biomedical information extraction. However, it relies on fixed-size chunking which can fragment semantic evidence. We propose a configurable semantic chunking framework that addresses this limitation by combining entity-preserving windows, trigger-centered chunking, proposition-first extraction, tiered trigger prioritization, and hierarchical relation resolution. The framework integrates with BioMedRAG by replacing only the chunk construction stage while preserving the embedding model, learned chunk scorer, generator, and evaluation protocol. We evaluate the framework on biomedical relation extraction benchmarks (GM-CIHT, DDI, ChemProt) and adverse event classification (ADE). On GM-CIHT, the full hybrid configuration achieves 82.6% F1, improving over the fixed-size baseline (74.2% F1) by 8.4 points under our experimental setup. Cross-dataset analysis shows that semantic chunking improves extraction datasets with explicit relation cues, such as GM-CIHT and DDI, while fixed chunking remains competitive or stronger for dense biochemical extraction and binary classification settings such as ChemProt and ADE. By externalizing chunking logic into configuration files, the framework provides an interpretable and adaptable alternative to rigid fixed-size chunking for biomedical RAG pipelines.
• Abstract（参考訳）: BioMedRAGは、バイオメディカル情報抽出のための学習チャンクスコアラーを備えた検索拡張生成を導入した。 しかし、それは意味的な証拠を断片化することのできる固定サイズのチャンキングに依存している。 本稿では,エンティティ保存ウィンドウ,トリガ中心チャンキング,命題優先抽出,タインドトリガ優先化,階層的関係解決を組み合わせ,この制限に対処する構成可能なセマンティックチャンキングフレームワークを提案する。 このフレームワークは、埋め込みモデル、学習チャンクスコアラ、ジェネレータ、評価プロトコルを維持しながら、チャンク構築段階のみを置き換えることで、BioMedRAGと統合する。 バイオメディカル関係抽出ベンチマーク(GM-CIHT,DDI,ChemProt)と有害事象分類(ADE)について検討した。 GM-CIHTでは、完全なハイブリッド構成が82.6%のF1を達成し、固定サイズベースライン(74.2% F1)を8.4ポイント改善した。 セマンティックチャンキングは、GM-CIHTやDDIのような明示的な関係性を持つ抽出データセットを改善する一方、固定チャンキングは、ChemProtやADEのような高密度な生化学的抽出と二項分類設定に対して競争力または強固である。 チャンキングロジックを構成ファイルに外部化することにより、このフレームワークは、バイオメディカルなRAGパイプラインのための堅固な固定サイズチャンキングに代わる、解釈可能で適応可能な代替手段を提供する。

関連論文リスト

• BioM-JEPA: joint-embedding prediction of graph-connected gene blocks in single cells [64.21963170814706]
  BioM-JEPAはグラフ接続された遺伝子ブロックの集合表現を予測する。 学生ネットワークは、細胞内の残りの遺伝子から各ターゲットブロック表現を推論する。 CellBenchタスク全体で、BioM-JEPA埋め込みは発現、経路、および周辺情報を保持している。
  論文  参考訳（メタデータ） (2026-08-06T11:58:29Z)
• Synergistic Perception-Reasoning Governance: Grounding Medical MLLMs with Verifiable Anatomical Evidence [45.78409219344429]
  マルチモーダル大言語モデル (MLLM) は, 臨床VQAと放射線学報告の生成に強い期待を示すが, 推測時幻覚は信頼性を損なう。 本稿では,両面のエビデンス注入による幻覚を系統的に緩和する,総合的かつトレーニング不要なエビデンス注入フレームワークを提案する。 textttLLaVA-1.5-7B, texttLLaVA-Med-1.5-7B, texttQwen3-VL-8B/32B, textttInternVL を用いた2つのタスクと5つのデータセットの系統的評価を行った。
  論文  参考訳（メタデータ） (2026-06-30T08:07:25Z)
• Unlocking Biological Workflows for Robust Protein-Text Question Answering: A Dual-Dimensional RAG Framework [60.82334952881798]
  タンパク-テキスト質問回答(QA)は、自然言語による生物学的配列の解釈に不可欠である。 2D-ProteinRAGは,大規模言語モデル(LLM)を金本位生物研究ワークフロー内で動作させる新しいフレームワークである。 本研究では,2D-Proteinが常に最先端の性能を達成し,微調整ベースラインや他のRAG法よりも優れた性能を発揮することを示す。
  論文  参考訳（メタデータ） (2026-05-17T05:03:24Z)
• Rethinking Molecular OOD Generalization via Target-Aware Source Selection [10.102858221967791]
  SCOPE-BENCHは、明示的な物理化学的記述空間におけるクラスタレベルのパーティショニングに基づいて構築されたベンチマークである。 POMAは、知識伝達を検索-合成-適応パイプラインとして定式化するフレームワークである。 SCOPE-BENCHにおける最先端の3D分子モデルの予測誤差は平均5.9倍である。
  論文  参考訳（メタデータ） (2026-05-13T16:09:46Z)
• Graph-Aware Late Chunking for Retrieval-Augmented Generation in Biomedical Literature [0.0]
  GraLC-RAGは、グラフ認識構造インテリジェンスと遅延チャンキングを統合するフレームワークである。 2,359 IMRaD-filtered Centralの項目に対して,2,033の横断質問を用いた6つの戦略を評価する。
  論文  参考訳（メタデータ） (2026-03-23T23:22:58Z)
• SHAPE: Structure-aware Hierarchical Unsupervised Domain Adaptation with Plausibility Evaluation for Medical Image Segmentation [7.174788000625294]
  非教師付きドメイン適応(Unsupervised Domain Adaptation, UDA)は、様々な臨床環境に医療セグメンテーションモデルを配置するために不可欠である。 SHAPE(Structure-Aware Hierarchical Unsupervised Domain Adaptation with Plausibility Evaluation)は、グローバルな解剖学的妥当性に対する適応を再構築するフレームワークである。
  論文  参考訳（メタデータ） (2026-03-23T12:25:56Z)
• Breaking It Down: Domain-Aware Semantic Segmentation for Retrieval Augmented Generation [5.0491491564528515]
  本稿では,PSCとMFCの2つの効率的なセマンティックチャンキング手法を提案する。 以上の結果から,MRRでは24倍,PubMedQAではHits@kが高値を示した。 単一のドメインでトレーニングされているにもかかわらず、PSCとMFCもうまく一般化し、複数のデータセットでドメイン外での強力なパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-11-29T07:30:37Z)
• Automatic Fine-grained Segmentation-assisted Report Generation [3.6341072547314037]
  本稿では,レポート生成のためのLLaVAアーキテクチャの拡張であるASaRGを紹介する。 提案手法は,LLaVAベースラインに比べてCE F1スコアが0.89%向上した。 私たちのコードは後日公開される予定です。
  論文  参考訳（メタデータ） (2025-07-22T14:16:20Z)
• Hybrid X-Linker: Automated Data Generation and Extreme Multi-label Ranking for Biomedical Entity Linking [45.16091578348614]
  最先端のディープラーニングエンティティリンク手法は、広範囲にわたる人間のラベル付きデータに依存している。 現在のデータセットのサイズは限られており、バイオメディカルな概念が不十分である。 大規模トレーニングデータセットを作成するために,データの自動生成を提案する。
  論文  参考訳（メタデータ） (2024-07-08T18:04:22Z)
• ConDiSR: Contrastive Disentanglement and Style Regularization for Single Domain Generalization [42.810247034149214]
  医療データは、しばしば分散シフトを示し、標準パイプラインを使用してトレーニングされたディープラーニングモデルのテスト時のパフォーマンス劣化を引き起こす。 本研究は、分類タスクの文脈において、単一ドメインの一般化フレームワークを探索することの重要性と課題を強調した。
  論文  参考訳（メタデータ） (2024-03-14T13:50:44Z)
• ISTR: End-to-End Instance Segmentation with Transformers [147.14073165997846]
  ISTRと呼ばれるインスタンスセグメンテーショントランスフォーマーを提案します。これは、その種類の最初のエンドツーエンドフレームワークです。 ISTRは低次元マスクの埋め込みを予測し、それらのマスクの埋め込みと一致する。 ISTRは、提案されたエンドツーエンドのメカニズムにより、近似ベースのサブオプティマティック埋め込みでも最先端のパフォーマンスを発揮します。
  論文  参考訳（メタデータ） (2021-05-03T06:00:09Z)

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。