論文の概要: Cross-Lingual Clinical Annotation Projection as Constrained Text Generation: A Six-Language Study
- arxiv url: http://arxiv.org/abs/2609.11450v1
- Date: Thu, 10 Sep 2026 12:17:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.339207
- Title: Cross-Lingual Clinical Annotation Projection as Constrained Text Generation: A Six-Language Study
- Title（参考訳）: 制約テキスト生成としての言語横断的臨床アノテーション投影 : 6言語研究
- Abstract要約: 目的語テキストにエンティティタグを直接挿入する制約付きLLMプロジェクションワークフローを開発する。
スペイン病, 症状, 処置アノテーションを6言語に翻訳するために, 教師付き候補スパンプロジェクションとハイブリッドML-LLMの改良を併用して評価を行った。
- 参考スコア（独自算出の注目度）: 0.22940141855172028
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Background: To determine whether cross-lingual clinical annotation projection can be formulated as a text-preserving, document-level generative task that produces verifiable character-level annotations for multilingual clinical corpus construction, and to characterize its robustness and computational trade-offs relative to candidate-based projection pipelines. Methods: We developed a constrained LLM projection workflow that inserts entity tags directly into immutable target-language text, followed by deterministic validation and character-offset reconstruction. We evaluated it alongside supervised candidate-span projection and hybrid ML-LLM refinement for transferring Spanish Disease, Symptom, and Procedure annotations into six languages. Evaluation used MultiClinAI gold standard with strict span matching and character-overlap F1 Results: Direct LLM projection achieved the strongest and most consistent performance. GLM 5.2 obtained a mean Strict F1 of 0.9201 across 18 language-entity combinations, while locally deployable Gemma4:31B achieved 0.9133. The best LLM configuration improved Strict F1 over the previous state of the art in all 18 settings, by 0.0564-0.1512, yielding 55,416 grounded mentions with reconstructed offsets. Conclusions: Direct LLM-based projection enables high-quality multilingual clinical annotation transfer and provides a practical approach for extending clinical NLP resources to languages with fewer annotated datasets and language-specific tools. Combined with local inference and deterministic validation, it can substantially reduce expert time and cost for multilingual clinical corpus construction.
- Abstract（参考訳）: 背景:多言語臨床コーパス構築のための検証可能な文字レベルアノテーションを生成するテキスト保存型文書レベルの生成タスクとして、言語横断的な臨床アノテーション投影を定式化できるかどうかを判断し、その堅牢性と、候補ベースプロジェクションパイプラインに対する計算トレードオフを特徴付ける。
方法: 目的語テキストに直接エンティティタグを挿入する制約付きLLMプロジェクションワークフローを開発し, 決定論的検証と文字オフセット再構成を行った。
スペイン病, 症状, 処置アノテーションを6言語に翻訳するために, 教師付き候補スパンプロジェクションとハイブリッドML-LLMの改良を併用して評価を行った。
厳密なスパンマッチングとキャラクタオーバーラップF1結果を備えたMultiClinAIゴールド標準を用いた評価: 直接LLMプロジェクションは最強で一貫した性能を達成した。
GLM 5.2 は 18 の言語中心の組み合わせで 0.9201 の Strict F1 を取得し、ローカルにデプロイ可能な Gemma4:31B は 0.9133 に達した。
最高のLCM構成は、以前の18の状況よりも改良されたStrict F1を0.0564-0.1512で改善した。
結論: 直接LLMベースのプロジェクションは、高品質な多言語の臨床アノテーションの転送を可能にし、注釈付きデータセットや言語固有のツールが少ない言語に臨床NLPリソースを拡張するための実践的なアプローチを提供する。
局所的推論と決定論的検証を組み合わせることで、多言語臨床コーパス構築の専門的時間とコストを大幅に削減することができる。
関連論文リスト
- Predicting LLM Performance from Prompt Linguistic Features: An Empirical Study in Requirements Engineering [5.806534256425491]
言語的特徴は、すべてのターゲットにおける迅速なパフォーマンスを著しく予測する。
クロスLLM予測器は、複合依存性分布、接続密度、単語/文長を含む。
論文 参考訳（メタデータ） (2026-08-27T19:02:09Z) - Bridging Linguistic Gaps: Cross-Lingual Mapping in Pre-Training and Dataset for Enhanced Multilingual LLM Performance [30.9640918372872]
大規模言語モデル(LLM)は、高リソース言語と低リソース言語の間のデータ不均衡により、言語間タスクに苦しむ。
バイリンガル微調整やコントラストアライメントといった既存の手法は、言語間性能を向上させることができる。
事前学習期間中に言語間マッピングタスクを導入し,言語間アライメントを向上させることで,単言語間の流速を損なうことなく,言語間アライメントを向上させる。
論文 参考訳（メタデータ） (2026-04-12T11:43:25Z) - What Language is This? Ask Your Tokenizer [32.28976119949841]
言語識別(LID)は多くの多言語自然言語処理パイプラインの重要なコンポーネントである。
我々は,UnigramLMトークン化アルゴリズムに基づくシンプルで効率的なLID手法UniLIDを紹介する。
我々の定式化は、データと計算効率が良く、既存のモデルを再訓練することなく、新しい言語の漸進的な追加をサポートしています。
論文 参考訳（メタデータ） (2026-02-19T18:58:39Z) - Relation Extraction Capabilities of LLMs on Clinical Text: A Bilingual Evaluation for English and Turkish [0.0]
本稿では,大言語モデル(LLM)を英語とトルコ語の両方で臨床関係抽出タスクに適用した最初の総合的バイリンガル評価について述べる。
我々は、複数のコンテキスト内学習(ICL)とCoT(Chain-of-Thought)アプローチを含む、多様なプロンプト戦略の評価を行う。
提案手法は従来の微調整モデルより一貫して優れていることを示す。
論文 参考訳（メタデータ） (2026-01-14T10:49:46Z) - Protein as a Second Language for LLMs [50.34983283157322]
『Protein-as-Second-Language』の枠組みは、新しいシンボリック言語における文としてアミノ酸配列を再構成する。
属性予測,記述的理解,拡張推論にまたがる79,926個のタンパク質-QAインスタンスのバイリンガルコーパスをキュレートする。
提案手法は,オープンソース LLM と GPT-4 間で一貫した利得を提供し,最大 17.2% のROUGE-L 改善を実現している。
論文 参考訳（メタデータ） (2025-10-13T09:21:45Z) - Code-Switching In-Context Learning for Cross-Lingual Transfer of Large Language Models [64.54005959758733]
我々は,コードスイッチング・イン・コンテキスト・ラーニング(CSICL)を,推論中の翻訳障壁を克服するための原則的かつ堅牢なアプローチとして導入する。
4つのLLM、6つのデータセット、10の言語にわたる広範な実験を行い、知識集約型ドメインと推論指向ドメインの両方にまたがる。
その結果、CSICLはX-ICLベースラインを一貫して上回り、ターゲット言語と見当たらない言語の両方で3.1%pと1.9%pを達成した。
論文 参考訳（メタデータ） (2025-10-07T08:35:42Z) - Cross-Lingual Pitfalls: Automatic Probing Cross-Lingual Weakness of Multilingual Large Language Models [55.14276067678253]
本稿では,Large Language Models (LLMs) における言語間関係の弱点を効率的に同定するための新しい手法を提案する。
この手法を用いて16言語で6,000以上のバイリンガルペアからなる新しいデータセットを構築し、最先端のモデルにおいても弱点を明らかにする効果を実証した。
さらに,言語的類似性と言語間の弱点との関係について検討し,言語的関連言語が類似した演奏パターンを共有することを明らかにした。
論文 参考訳（メタデータ） (2025-05-24T12:31:27Z) - CIF-Bench: A Chinese Instruction-Following Benchmark for Evaluating the Generalizability of Large Language Models [53.9835961434552]
本研究では,中国語に対する大規模言語モデル(LLM)の一般化性を評価するために,中国語命令追跡ベンチマーク(CIF-Bench)を導入する。
CIF-Benchは150のタスクと15,000の入力出力ペアで構成され、複雑な推論と中国の文化的ニュアンスをテストするためにネイティブスピーカーによって開発された。
データ汚染を軽減するため、データセットの半分しか公開せず、残りは非公開であり、スコア分散を最小限に抑えるために多種多様な命令を導入する。
論文 参考訳（メタデータ） (2024-02-20T16:02:12Z) - Native Language Identification with Large Language Models [60.80452362519818]
我々はGPTモデルがNLI分類に熟練していることを示し、GPT-4は0ショット設定でベンチマーク11テストセットで91.7%の新たなパフォーマンス記録を樹立した。
また、従来の完全教師付き設定とは異なり、LLMは既知のクラスに制限されずにNLIを実行できることを示す。
論文 参考訳（メタデータ） (2023-12-13T00:52:15Z) - 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)
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。