Extracting Biomedical Entities from Noisy Audio Transcripts
The University of Texas at San Antonio(德克萨斯大学圣安东尼奥分校);UT Health San Antonio(德克萨斯大学圣安东尼奥健康科学中心)
本文针对ASR噪声导致的ASR-NLP性能差距问题,构建了近2000条录音的BioASR-NER数据集,并利用GPT4的零样本与少样本方法进行转录文本清洗与实体提取,通过错误分析为医疗文档实践提供改进方案。
2024-03-26 cs.CL
Comparative Performance Evaluation of Large Language Models for Extracting Molecular Interactions and Pathway Knowledge
Computing and Data Sciences(计算与数据科学)
本研究比较多种大型语言模型在提取分子相互作用和通路知识方面的性能,发现较大模型表现更优,能识别通路相关基因/蛋白质并预测其相互作用,但识别功能多样组别和高相关基因调控关系存在挑战。
2025-04-23 cs.CL cs.LG
Extracting Social Support and Social Isolation Information from Clinical Psychiatry Notes: Comparing a Rule-based NLP System and a Large Language Model
Weill Cornell Medicine(威尔康奈尔医学院);Icahn School of Medicine at Mount Sinai(西奈山伊坎医学院);Mayo Clinic(梅奥诊所);Columbia University Vagelos College of Physicians and Surgeons(哥伦比亚大学瓦格洛斯内科医生与外科医生学院);New York State Psychiatric Institute(纽约州精神病学研究所)
本文比较了基于规则的NLP系统与FLAN-T5-XL大型语言模型在临床精神病学笔记中提取社会支持和社会隔离信息的效果,发现规则系统在所有指标上均优于大语言模型,并分析了二者方法差异及各自优势。
2024-03-25 cs.CL
Developing an efficient corpus using Ensemble Data cleaning approach
Daffodil International University(达福迪尔国际大学)
本研究针对NLP医疗数据清洗方法有限及缺乏问答语料库的问题,采用集成技术清洗医疗数据集并构建语料库,其清洗准确率达94%,证明了NLP在医疗信息提取中的关键价值。
2024-06-02 cs.CL cs.CV
Responsible Integration of AI in Cancer Genomics: Barriers, Risks, and Pathways to Trustworthy Clinical Translation
Robert Koch Institute(罗伯特·科赫研究所);European Commission(欧洲委员会);Deree-The American College of Greece(希腊 Deree 美国学院);Åbo Akademi University(奥布学术大学);Arcada University of Applied Sciences(阿卡达应用科学大学);University of Münster(明斯特大学)
本综述分析AI与NLP在癌症基因组学临床转化中的障碍,提出应对四大相互关联失败领域的框架与路线图,强调需从系统层面解决问题而非仅提升模型能力。
2026-09-15 cs.AI cs.CL
The 2022 n2c2/UW Shared Task on Extracting Social Determinants of Health
George Mason University(乔治梅森大学);University of Washington(华盛顿大学)
目的:n2 c2/UW SDOH挑战赛探索从临床记录中提取健康社会决定因素(SDOH)信息。目标包括更广泛地用于SDOH和临床信息的自然语言处理(NLP)信息抽取技术的进步。本文介绍了共享的任务,数据,参与团队,性能结果,以及对未来工作的考虑。材料与方法:该任务使用的社会历史注释语料库(SHAC),其中包括临床文本与详细的基于事件的注释SDOH事件,如酒精,药物,烟草,就业和生活状况。每个SDOH事件都通过与状态、程度和时间性相关的属性来表征。该任务包括与信息抽取(子任务A)、概括性(子任务B)和学习迁移(子任务C)相关的三个子任务。在完成这项任务时,参与者使用了一系列技术,包括规则、知识库、n-gram、词嵌入和预训练的语言模型(LM)。结果:共有15个团队参与,最好的团队使用了预先训练的深度学习LM。所有子任务的最佳团队使用序列到序列方法,子任务A的F1为0.901,子任务B的F1为0.774,子任务C的F1为0.889。结论:与许多NLP任务和领域类似,预先训练的LM产生了最好的性能,包括概括性和学习迁移。错误分析表明,提取性能因SDOH而异,在增加健康风险(风险因素)的条件下,如物质使用和无家可归,性能较低,而在减少健康风险(保护因素)的条件下,如物质戒断和与家人生活在一起,性能较高。
2023-02-13 cs.CL
Semantic robust parsing for noun extraction from natural language queries
本文介绍了如何强大的解析技术可以卓有成效地应用于建立一个查询生成模块,这是一个流水线的NLP架构的一部分,旨在处理自然语言查询在一个受限的域。我们想表明,语义鲁棒性代表了这些NLP系统中的一个关键问题,在这些系统中,由于各种因素(例如,嘈杂的环境,低质量的语音识别模块等),更有可能具有部分和病态的话语。以及在需要成功地(即使是部分地)提取一些有意义的信息的情况下。
1999-09-02 cs.CL
Leveraging Natural Language Processing to Unravel the Mystery of Life: A Review of NLP Approaches in Genomics, Transcriptomics, and Proteomics
The Shmunis School of Biomedicine and Cancer Research, George S. Wise Faculty of Life Sciences, Tel-Aviv University(谢蒙尼生物医学与癌症研究学院,乔治·S·威斯生命科学学院,特拉维夫大学)
探讨自然语言处理方法在生物序列数据(基因组学、转录组学和蛋白质组学)中的应用,介绍从经典到先进模型的适配,分析分词策略与模型架构,提及生物数据应用进展及语言模型融入生物信息学的前景。
2026-07-07 cs.AI cs.CL q-bio.GN
Extracting Temporal Event Relation with Syntax-guided Graph Transformer
Virginia Tech(弗吉尼亚理工学院暨州立大学);Amazon(亚马逊)
提取时间关系(例如,之前、之后和同时)对于自然语言理解至关重要。这个问题的一个关键挑战是,当感兴趣的事件在文本中距离很远时,它们之间的上下文往往变得复杂,这使得解决它们之间的时间关系变得具有挑战性。因此,本文提出了一种新的语法引导图Transformer网络(SGT)来缓解这个问题,通过(1)显式地利用两个事件之间的连接,基于它们的依存句法分析树,和(2)自动定位两个事件之间的时间线索,通过一种新的语法引导的注意力机制。在两个基准数据集MATRES和TB-Dense上的实验表明,该方法在端到端时态关系抽取和时态关系分类上的性能都明显优于现有方法,并且在MATRES的对比集上具有较好的鲁棒性.该代码可在https://github.com/VT-NLP/Syntax-Guided-Graph-Transformer上公开获取。
2022-10-24 cs.AI cs.CL
BiographyNet: Extracting Relations Between People and Events
本文介绍了BiographyNet,一个数字人文项目(2012-2016),汇集了来自历史,计算语言学和计算机科学的研究人员。该项目使用了荷兰传记门户网站(BPN)的数据,其中包含从十八世纪至今各种荷兰传记词典中的大约125,000篇传记,描述了大约76,000人。BiographyNet的目标是通过改进搜索选项和结果的呈现,加强门户网站和可比传记数据集在历史研究中的价值,并通过用户评估的演示器提供历史合理的NLP管道。该项目的主要目标群体是专业历史学家。因此,该项目采用了两个关键概念:“出处”-被理解为一个既允许对历史来源进行批评,又允许参考数字化来源中的数据管理和编程干预的术语;“视角”被解释为关于历史结果解释的固有不确定性。
2018-12-26 cs.CL
Understanding Spatial Language in Radiology: Representation Framework, Annotation, and Spatial Relation Extraction from Chest X-ray Reports using Deep Learning
The University of Texas Health Science Center(德克萨斯大学健康科学中心);National Library of Medicine, National Institutes of Health(美国国立卫生研究院国家医学图书馆)
我们定义了一个表示框架,用于从放射学报告中提取空间信息(Rad-SpRL)。我们共注释了2000例胸部X射线报告,其中4个空间角色对应于常见的放射学实体。我们的重点是提取详细的信息,放射科医生的解释,包含一个放射学发现,其解剖位置,相应的可能的诊断,以及相关的对冲条款。为此,我们提出了一种基于深度学习的自然语言处理(NLP)方法,涉及单词和字符级别的编码。具体来说,我们利用双向长短期记忆(Bi-LSTM)条件随机场(CRF)模型来提取空间角色。该模型分别提取Trajector和Landmark角色的平均F1测量值为90.28和94.61,而诊断和对冲角色的性能中等,平均F1分别为71.47和73.27。该文集将应要求很快提供。
2019-08-13 cs.CL
NLP-assisted software testing: A systematic mapping of the literature
Queen’s University Belfast(贝尔法斯特女王大学);University of Innsbruck(因斯布鲁克大学);Blekinge Institute of Technology(布莱金厄理工学院)
内容:为了减少从自然语言需求中提取测试用例的人工工作,文献中提出了许多基于自然语言处理(NLP)的方法。鉴于这一领域有大量的方法,而且许多从业人员渴望利用这些技术,因此必须综合并概述这一领域的最新技术。目的:我们的目标是总结国家的最先进的NLP辅助软件测试,这可能有利于从业者潜在地利用这些基于NLP的技术。此外,这有助于研究人员提供研究景观的概述。方法:针对上述需求,以系统的文献图谱(分类)形式进行调查。在编制了95篇论文的初始池后,我们进行了系统的投票,最终池包括67篇技术论文。结果如下:本文概述了论文中提出的贡献类型,用于辅助软件测试的NLP方法类型,所需输入要求的类型,以及该领域工具支持的回顾。我们发现的一些关键结果是:(1)论文中提出的38个工具中只有4个(11%)可供下载;(2)更大比例的论文(67个中的30个)提供了对NLP方面的肤浅接触(几乎没有细节)。结论:本文将有利于从业人员和研究人员作为一个“索引”的知识体系在这一领域。结果可以帮助从业人员利用现有的基于NLP的技术,这反过来又降低了测试用例设计的成本,并减少了测试活动所花费的人力资源。在与我们的一些行业合作者分享这篇评论后,初步的见解表明,这篇评论确实对从业者有用和有益。
2020-03-21 cs.CL cs.SE
Identification of Tasks, Datasets, Evaluation Metrics, and Numeric Scores for Scientific Leaderboards Construction
IBM Research – Ireland(IBM研究院(爱尔兰))
虽然新任务和新数据集的快节奏开始有助于促进社区中朝着有趣方向的积极研究,但跟踪不同数据集上不同领域的大量研究活动可能会变得越来越困难。社区可以大大受益于能够总结科学结果的自动系统,例如,以排行榜的形式。在本文中,我们建立了两个数据集,并开发了一个框架(TDMS-IE),旨在自动提取任务,数据集,指标和得分从自然语言处理论文,自动建设的排行榜。实验表明,我们的模型优于几个基线的大幅度。我们的模型是自动排行榜建设的第一步,例如,在NLP领域。
2019-06-21 cs.AI cs.CL
An Automated Multiple-Choice Question Generation Using Natural Language Processing Techniques
Nnamdi Azikiwe University(纳姆迪·阿齐基韦大学)
选择题自动生成是自然语言处理中一个重要而又具有挑战性的课题。它是从文本数据自动生成正确和相关问题的任务。尽管它的有用性,手动创建相当大的,有意义的和相关的问题是一个耗时和具有挑战性的任务,教师。本文提出了一个基于自然语言处理技术的计算机辅助考试(CBTE)自动阅卷系统,该系统利用自然语言处理技术抽取出教材中的关键词。为了验证该系统是不是反常的,五个教训的材料被用来检查系统的有效性和效率。将教师手工提取的关键词与自动生成的关键词进行比较,结果表明,该系统能够从教材中提取关键词设置考试题。这一结果以用户友好的界面呈现,便于查阅。
2021-03-26 cs.AI cs.CL
Counting Protests in News Articles: A Dataset and Semi-Automated Data Collection Pipeline
2017年1月至2021年1月,美国数千家当地新闻来源报道了超过42,000起关于民权,移民,枪支和环境等主题的抗议活动。鉴于每天有大量的当地记者报道抗议活动,将这些事件提取为结构化数据以了解时间和地理趋势可以增强公民决策的能力。然而,从新闻文章中提取事件的任务在域检测、槽填充和共指消解领域对NLP社区提出了众所周知的挑战。为了帮助改善从新闻故事中提取结构化数据的可用资源,我们的贡献是三方面的。我们1)发布了一个手动标记的数据集,其中包括新闻文章URL,日期,地点,人群规模估计,以及与2017年1月至2021年1月期间美国报告的42,347起抗议事件相对应的494个离散描述性标签; 2)描述用于发现、排序和审查组成数据集的144,568篇英文文章的半自动数据汇集管道;以及3)对长短期记忆(LSTM)低维分类器进行基准测试,所述LSTM低维分类器展示了基于句法结构(诸如段落和句子)处理新闻文章以计数所报告的抗议事件的数量的效用。
2021-02-01 cs.CL
Representing, reasoning and answering questions about biological pathways - various applications
Arizona State University(亚利桑那州立大学)
生物有机体由许多相互关联的生化过程组成。当这些过程的正常功能被破坏时,就会发生疾病。因此,了解这些生物化学过程及其相互关系是生物医学研究的主要任务,也是诊断疾病和药物开发的先决条件。研究这些过程的科学家已经确定了负责药物代谢和信号传导等的各种途径。更新的技术和速度的提高导致了对这些途径的更深入的了解,导致精细模型往往是庞大而复杂的,人们很难记住它的所有方面。因此,需要计算机模型来分析它们。我们希望建立这样一个系统,允许对生物系统和途径进行建模,以便我们可以回答有关它们的问题。许多现有的模型专注于结构和/或事实问题,使用不需要理解底层模型的表面知识。我们认为,这些问题不是生物学家可能会问别人来测试他们对生物过程的理解的问题。我们希望我们的系统能够回答生物学家可能会问的问题。这样的问题出现在早期的大学课本中。因此,我们的论文的主要目标是开发一个系统,使我们能够编码有关生物途径的知识,并回答这些问题,展示对途径的理解。为此,我们开发了一种语言,将允许提出这样的问题,并说明我们的框架在生物领域的各种应用程序的效用。我们使用一些现有的工具进行修改,以实现我们的目标。最后,我们将我们的系统应用到现实世界中的应用,从文本中提取途径知识,并回答与药物开发相关的问题。
2014-03-03 cs.AI cs.CE cs.CL
The Use of NLP-Based Text Representation Techniques to Support Requirement Engineering Tasks: A Systematic Mapping Review
Higher Institute for Applied Sciences and Technology (HIAST)(高等应用科学与技术学院);Arab International University (AIU)(阿拉伯国际大学)
自然语言处理(NLP)被广泛用于支持不同需求工程(RE)任务的自动化。大多数提出的方法都是从各种NLP步骤开始的,这些步骤分析需求语句,提取它们的语言信息,并将它们转换为易于处理的表示,例如特征列表或基于嵌入的向量表示。这些基于NLP的表示通常在稍后阶段用作机器学习技术或基于规则的方法的输入。因此,需求表示在确定不同方法的准确性方面起着重要作用。本文以系统的文献映射(分类)的形式进行了一项调查,以了解(1)RE任务文献中使用的表示方法,(2)这些作品的主要焦点是什么,(3)该领域的主要研究方向是什么,以及(4)差距和潜在的未来方向。在编译了2,227篇论文的初始池并应用一组纳入/排除标准后,我们获得了包含104篇相关论文的最终池。我们的调查显示,研究方向已经从使用词汇和句法特征转向使用先进的嵌入技术,特别是在最近两年。使用高级嵌入表示已经证明了它在大多数RE任务(如需求分析,从评论和论坛中提取需求,以及语义级质量任务)中的有效性。然而,基于词汇和语法特征的表示仍然更适合于其他RE任务(例如建模和语法级质量任务),因为它们为处理这些任务时使用的规则和正则表达式提供了所需的信息。此外,我们确定了现有文献中的四个差距,为什么它们很重要,以及未来的研究如何开始解决这些问题。
2022-05-17 cs.AI cs.CL cs.SE
The Role of Natural Language Processing Tasks in Automatic Literary Character Network Construction
Laboratoire Informatique d’Avignon(阿维尼翁计算机实验室);Laboratoire des Sciences du Numérique de Nantes(南特数字科学实验室)
本研究首次系统评估NLP级联流水线中命名实体识别与共指消解对文学人物网络构建的影响,通过误差注入实验证明共指消解对召回率的关键作用,并指出传统流水线在召回率上优于大型语言模型方法。
2024-12-16 cs.CL
Automatically Extracting Numerical Results from Randomized Controlled Trials with Large Language Models
Northeastern University(东北大学);King’s College London(伦敦国王学院)
本研究评估了七个零样本大型语言模型从随机对照试验报告中条件性提取数值结果的能力,发现超大规模模型在二元结局上接近实现自动化荟萃分析,但在复杂结局和需推理时表现不佳。
2024-07-25 cs.AI cs.CL
Extracting Keywords from Open-Ended Business Survey Questions
The Alan Turing Institute(艾伦·图灵研究所);University of Cambridge(剑桥大学);University of the Witwatersrand(威特沃特斯兰德大学)
针对开放式商业调查文本分析成本高且存在伦理挑战的问题,提出一种开源、可泛化的计算流程,自动提取代表人们观点的关键词,性能超越现有系统。
2020-08-07 cs.CL
EmTract: Extracting Emotions from Social Media
University of Pittsburgh(匹兹堡大学)
本研究开发了开源工具EmTract,利用扩充嵌入的DistilBERT模型从金融社交媒体文本中提取情绪,并证明公司特定投资情绪可预测每日价格变动,揭示了情绪与市场动态的紧密联系。
2023-06-21 cs.CL q-fin.PR
Reconstruction of Protein-Protein Interaction Pathways by Mining Subject-Verb-Objects Intermediates
BioInformatics Research Centre, Nanyang Technological University(南洋理工大学生物信息学研究中心);CRC for Innovative Dairy Products(创新乳制品合作研究中心);The University of Melbourne(墨尔本大学);Victorian Bioinformatics Consortium, Monash University(莫纳什大学维多利亚生物信息学联盟)
新文章发表率的指数增长限制了研究人员对相关文献的访问。这促使人们使用文本挖掘工具来提取关键的生物信息。以前的研究报告了现有的通用文本处理器的广泛修改,以处理生物文本。然而,这一修改要求尚未得到审查。在这项研究中,我们构建了Muscorian,使用MontyLingua,一个通用的文本处理器。它使用了一个两层的泛化-专业化范式先前提出的文本一般处理到一个合适的中间格式之前,特定于域的数据提取技术应用在专业化层。使用语料库和专家进行的评估表明,在提取蛋白质-蛋白质相互作用方面,精确度为86-90%,召回率约为30%,这与使用专门的生物文本处理工具或修改的现有工具的先前研究相当。我们的研究还通过使用同一个泛化层来完成两个特定的信息抽取任务,证明了两层泛化-特定化范式的灵活性。
2007-08-06 cs.CL cs.DL cs.IR
Enhancing Interpretable Clauses Semantically using Pretrained Word Representation
Centre for Artificial Intelligence Research(人工智能研究中心);University of Agder(阿格德尔大学)
Tsetlin Machine(TM)是一种基于命题逻辑的可解释模式识别算法,它在自然语言处理(NLP)任务中表现出了很好的性能,包括情感分析、文本分类和词义消歧。为了获得人类级别的可解释性,传统TM采用布尔输入特征,例如词袋(BOW)。然而,BOW表示很难使用任何预先训练的信息,例如word2vec和GloVe单词表示。与NLP中的深度神经网络(DNN)相比,这种限制了TM的性能。为了减少性能差距,在本文中,我们提出了一种新的方法,使用预先训练的单词表示TM。该方法显着提高TM的性能和可解释性。我们通过从预先训练的单词表示中提取语义相关的单词作为TM的输入特征来实现这一点。实验结果表明,该方法的准确率明显高于基于BOW的TM,达到了基于DNN的模型的水平。
2021-09-10 cs.AI cs.CL cs.LG
Benchmarking Large Language Models on Multiple Tasks in Bioinformatics NLP with Prompting
The Chinese University of Hong Kong(香港中文大学);The University of Hong Kong(香港大学);Shanghai AI Lab(上海人工智能实验室)
本文提出基于提示的综合基准框架Bio-benchmark,在30项生物信息学任务上评估GPT-4o等六个主流LLM,并开发答案提取工具BioFinder将准确率提升约30%,揭示了模型能力并提出了优化策略。
2025-03-06 cs.AI cs.CL