Fast and Effective Biomedical Entity Linking Using a Dual Encoder
Rutgers University–New Brunswick(罗格斯大学新伯朗士威校区);Hasso Plattner Institute(哈索·普拉特纳研究所);University of Potsdam(波茨坦大学)
生物医学实体链接是识别文本文档中提到的生物医学概念并将其映射到目标词库中的规范实体的任务。使用基于BERT的模型的实体链接的最新进展遵循检索和重新排序范例,其中候选实体首先使用检索器模型进行选择,然后检索到的候选实体由重新排序器模型进行排序。虽然这种范例产生了最先进的结果,但它们在训练和测试时都很慢,因为它们一次只能处理一个提及。为了缓解这些问题,我们提出了一种基于BERT的双编码器模型,可以一次性解决文档中的多个提及。我们表明,我们提出的模型比现有的基于BERT的模型快数倍,同时在生物医学实体链接的准确性方面具有竞争力。此外,我们修改了我们的双编码器模型的端到端的生物医学实体链接,执行提及跨度检测和实体消歧,并优于最近提出的两个模型。
2021-03-08 cs.CL
BERT-GT: Cross-sentence n-ary relation extraction with BERT and Graph Transformer
National Center for Biotechnology Information (NCBI), National Library of Medicine (NLM), National Institutes of Health (NIH)(美国国家生物技术信息中心(NCBI)、美国国家医学图书馆(NLM)、美国国立卫生研究院(NIH))
生物医学关系陈述通常用多个句子表示,并且由许多概念组成,包括基因、疾病、化学和突变。为了从生物医学文献中自动提取信息,现有的生物医学文本挖掘方法通常将问题表述为跨句子的n元关系提取任务,该任务检测跨多个句子的n个实体之间的关系,并使用具有长短期记忆(LSTM)的图神经网络(GNN)或注意力机制。最近,Transformer在许多自然语言处理(NLP)任务上的表现优于LSTM。在这项工作中,我们提出了一种新的架构,结合双向编码器表示从Transformers与图形Transformer(BERT-GT),通过集成邻居注意力机制到BERT架构。与原始的Transformer架构不同,它利用整个句子来计算当前标记的注意力,我们的方法中的邻居-注意力机制仅利用其邻居标记来计算其注意力。因此,每个令牌可以关注其邻居信息而几乎没有噪声。我们表明,这是至关重要的,当文本是很长的,在跨句子或抽象层次的关系提取任务。我们的基准测试结果显示,在n-ary和化学蛋白质关系数据集上,准确率和F1度量分别提高了5.44%和3.89%,这表明BERT-GT是一种适用于其他生物医学关系抽取任务或数据集的鲁棒方法。
2021-01-11 cs.CL
BioFLAIR: Pretrained Pooled Contextualized Embeddings for Biomedical Sequence Labeling Tasks
Manipal Institute of Technology(马尼帕尔理工学院);Elsevier Labs(爱思唯尔实验室)
生物医学命名实体识别(NER)是生物医学信息处理中的一个具有挑战性的问题。由于BERT、GPT和XLNet等技术的进步,bioNER基准测试的性能不断提高。FLAIR(1)是一种替代嵌入模型,其计算强度低于其他提到的模型。我们在各种生物NER任务上测试FLAIR及其预训练的PubMed嵌入(我们称之为BioFLAIR),并将其与BERT类型网络的结果进行比较。我们还研究了少量额外的预训练对PubMed内容的影响,以及FLAIR和ELMO模型的结合。我们发现,通过提供的嵌入,FLAIR的性能与BERT网络不相上下-甚至在一个基准上建立了一个新的最先进的水平。额外的预培训并没有提供明显的好处,尽管这可能会随着更多的预培训而改变。将FLAIR嵌入与其他嵌入叠加通常会提高基准测试结果。
2019-08-13 cs.CL
UMLS-KGI-BERT: Data-Centric Knowledge Integration in Transformers for Biomedical Entity Recognition
Univ. Grenoble Alpes(格勒诺布尔大学);CNRS(法国国家科学研究中心);EPOS SAS(EPOS公司);UFR de Médecine(医学院)
本文提出UMLS-KGI-BERT,通过从UMLS提取文本序列并以数据为中心的方式将图学习目标与掩码语言预训练结合,从而提升生物医学和临床命名实体识别性能。
2025-04-11 cs.CL
BERT might be Overkill: A Tiny but Effective Biomedical Entity Linker based on Residual Convolutional Neural Networks
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
生物医学实体链接是将生物医学文档中提及的实体链接到知识库中的引用实体的任务。最近,许多基于BERT的模型已被引入的任务。虽然这些模型在许多数据集上取得了有竞争力的结果,但它们的计算成本很高,包含约1.1亿个参数。关于导致其令人印象深刻的性能的因素以及是否需要过度参数化的因素知之甚少。在这项工作中,我们揭示了这些大型BERT模型的内部工作机制。通过一组探测实验,我们已经发现,实体连接性能只有轻微的变化时,输入的词序是洗牌或当注意范围被限制在一个固定的窗口大小。从这些观察,我们提出了一个有效的卷积神经网络与剩余连接的生物医学实体链接。由于稀疏连接和权重共享属性,我们的模型具有少量的参数,是高效的。在五个公共数据集上,我们的模型实现了与最先进的基于BERT的模型相当甚至更好的链接准确性,同时具有大约60倍的参数。
2021-09-06 cs.AI cs.CL
MedicalBERT: enhancing biomedical natural language processing using pretrained BERT-based model
R. V. College of Engineering(R. V. 工程学院)
本文提出在大型生物医学语料上预训练并配备领域词表的MedicalBERT,经微调后在多类医学NLP任务中多数基准优于BioBERT等模型,平均超过通用BERT 5.67%。
2025-07-25 cs.AI cs.CL cs.LG
A Lightweight Neural Model for Biomedical Entity Linking
Institut Polytechnique de Paris(巴黎综合理工学院);Inria(法国国家信息与自动化研究所);CEA(法国原子能和替代能源委员会)
生物医学实体链接旨在将生物医学提及(如疾病和药物)映射到给定知识库中的标准实体。在这种情况下,具体的挑战是,同一个生物医学实体可以有各种各样的名称,包括同义词,形态变化,以及不同的单词顺序的名称。最近,基于BERT的方法通过允许丰富的词序列表示来推进了最先进的技术。然而,它们往往有数以亿计的参数,需要大量的计算资源,这限制了它们在资源有限的场景中的应用。在这里,我们提出了一个轻量级的生物医学实体连接的神经方法,它只需要一个BERT模型的一小部分参数和更少的计算资源。我们的方法使用一个简单的对齐层与注意力机制,以捕捉提及和实体名称之间的变化。然而,我们表明,我们的模型是有竞争力的标准评估基准与以前的工作。
2021-05-21 cs.CL
Biomedical Entity Linking for Dutch: Fine-tuning a Self-alignment BERT Model on an Automatically Generated Wikipedia Corpus
Leiden University(莱顿大学);Leiden Institute of Advanced Computer Science(莱顿高级计算机科学研究所);Erasmus University Medical Center(伊拉斯姆斯大学医学中心)
本文提出首个经评估的荷兰语生物医学实体链接模型,基于 MedRoBERTa.nl 进行本体自对齐预训练并用 Wikipedia 语料微调,在 Mantra GSC 上验证其性能与局限。
2024-05-20 cs.CL
Experiments on transfer learning architectures for biomedical relation extraction
Loria, CNRS, Inria, Université de Lorraine(洛里亚研究所、法国国家科学研究中心、法国国家信息与自动化研究所、洛林大学)
关系抽取(RE)是从文本中自动识别和构造感兴趣的关系。最近,BERT提高了几个NLP任务的最佳性能,包括RE。然而,在机器学习架构和迁移学习策略中使用BERT的最佳方式仍然是一个悬而未决的问题,因为它高度依赖于每个特定的任务和领域。在这里,我们探索各种基于BERT的架构和迁移学习策略(即,冷冻或微调)用于两个语料库上的生物医学RE任务。在测试的架构和策略中,我们的 *BERT-segMCNN在两个语料库上的性能高于最先进的水平(在ChemProt和PGxCorpus语料库上分别有1.73%和32.77%的绝对改进)。更一般地说,我们的实验说明了使用BERT进行微调的预期兴趣,以及除了BERT经典地利用的上下文之外,使用结构信息(与句子分割)的未开发优势。
2020-11-24 cs.CL cs.LG
Optimized Biomedical Question-Answering Services with LLM and Multi-BERT Integration
School of Computer Science, The University of Sydney(悉尼大学计算机科学学院);TD School, The University of Technology Sydney(悉尼科技大学TD学院)
本文提出将LLM与Multi-BERT集成,通过冻结一个BERT模型训练另一个并结合MLP层,在BioASQ和BioMRC数据集上构建更专业高效的生物医学问答服务,以支持医疗决策。
2024-10-11 cs.AI cs.CL
BERT Based Clinical Knowledge Extraction for Biomedical Knowledge Graph Construction and Analysis
School of Information Sciences(信息科学学院);Mohammed V University in Rabat(拉巴特穆罕默德五世大学);ENSIAS(国立高等计算机与系统分析学院)
提出一种结合BERT与CRF的端到端临床知识抽取框架,用于构建生物医学知识图谱并支持问答,在505份真实临床笔记上NER和RE准确率分别达90.7%和88%。
2023-04-21 cs.AI cs.CL
Building a Corpus for Biomedical Relation Extraction of Species Mentions
Nantes Université(南特大学);École Centrale Nantes(南特中央理工学院);CNRS(法国国家科学研究中心);LS2N(南特数字科学实验室)
本研究构建了聚焦肠道微生物组的物种间二元关系人工标注语料库Species-Species Interaction,经评估不同NER物种标注器后采用PubTator标注全文物种,用BERT及生物医学变体抽取关系的初步结果良好。
2023-06-14 cs.CL
Biomedical relation extraction with pre-trained language representations and minimal task-specific architecture
BenevolentAI(贝尼沃伦泰人工智能)
本文介绍了我们参与2019年BioNLP开放共享任务的AGAC轨道。我们为任务3提供了一个解决方案,其目的是提取“基因-功能变化-疾病”三元组,其中“基因”和“疾病”分别提到特定的基因和疾病,“功能变化”是四种预定义的关系类型之一。我们的系统扩展了BERT(Devlin等人,2018),一个最先进的语言模型,它从一个大型的未标记的语料库中学习上下文语言表示,其参数可以微调,以最小的额外架构解决特定的任务。我们在BERT中将提及对及其文本上下文编码为两个连续序列,由特殊符号分隔。然后,我们使用一个线性层将它们的关系分为五类(四个预定义的,以及“没有关系”)。尽管有相当大的类不平衡,我们的系统显着优于随机基线,同时依赖于一个非常简单的设置,没有专门设计的功能。
2019-09-26 cs.CL
RuBioRoBERTa: a pre-trained biomedical language model for Russian language biomedical text mining
Sberbank Artificial Intelligence Laboratory(俄罗斯联邦储蓄银行人工智能实验室)
本文介绍了几种基于BERT的俄语生物医学文本挖掘模型(RuBioBERT,RuBioRoBERTA)。这些模型是在俄罗斯生物医学领域免费提供的文本语料库上进行预训练的。通过这种预训练,我们的模型在RuMedBench -俄罗斯医学语言理解基准测试中展示了最先进的结果,该测试涵盖了多种任务,包括文本分类、问答、自然语言推理和命名实体识别。
2022-04-08 cs.AI cs.CL
ReProCon: Scalable and Resource-Efficient Few-Shot Biomedical Named Entity Recognition
Ain Hospital(AIN医院);Indiana University(印第安纳大学);Purdue University(普渡大学)
本文提出ReProCon小样本生物医学NER框架,通过多原型建模、余弦对比学习和Reptile元学习,以轻量fastText+BiLSTM实现接近BERT的性能,并在类别扩展和低标签预算下保持稳定,优于现有基线。
2025-08-22 cs.CL
Inexpensive Domain Adaptation of Pretrained Language Models: Case Studies on Biomedical NER and Covid-19 QA
LMU Munich(慕尼黑大学);Siemens AG(西门子股份公司)
预训练语言模型(PTLM)的领域自适应通常通过对目标领域文本的无监督预训练来实现。虽然这种方法是成功的,但在硬件、运行时间和CO_2排放方面是昂贵的。在这里,我们提出了一个更便宜的替代方案:我们训练Word 2 Vec的目标域的文本,并将得到的词向量与一个通用域PTLM的词片向量。我们评估了八个生物医学命名实体识别(NER)任务,并与最近提出的BioBERT模型进行比较。我们覆盖了超过60%的BioBERT-BERT F1 delta,占BioBERT CO_2排放量的5%,占其云计算成本的2%。我们还展示了如何快速调整现有的通用领域问答(QA)模型,以适应新冠肺炎大流行这一新兴领域。
2020-06-27 cs.CL
Injecting Structured Biomedical Knowledge into Language Models: Continual Pretraining vs. GraphRAG
本文提出通过持续预训练和GraphRAG两种方法将结构化生物医学知识注入语言模型,提升其在生物医学领域的表现,实验显示BERTUMLS在知识密集型问答任务中表现优异,GraphRAG在PubMedQA和BioASQ上提升显著。
2026-04-03 cs.AI cs.CL cs.LG
Fine-Tuning Models for Biomedical Relation Extraction
本文针对生物医学变异-表型关系抽取,提出微调小型BERT模型(如DeBERTa)和Gemini Pro 1.0,在SNPPhenA语料库上接近或超越现有最先进水平。
2026-09-18 cs.CL
Do LLMs Surpass Encoders for Biomedical NER?
University of Kentucky(肯塔基大学)
本研究对比了LLM与编码器模型在生物医学NER中的表现,发现LLM在F分数上平均提升2-8%,尤其在长实体上优势明显,但推理成本高出一到两个数量级,需权衡性能与效率。
2025-04-01 cs.CL
BPQA Dataset: Evaluating How Well Language Models Leverage Blood Pressures to Answer Biomedical Questions
NYU Center for Data Science(纽约大学数据科学中心);NYU Grossman School of Medicine(纽约大学格罗斯曼医学院);NYU Langone Health(纽约大学朗格尼健康中心);Washington University(华盛顿大学)
本文构建了BPQA数据集评估语言模型利用血压回答医学问题的能力,发现大中型模型获益更多,且用标签增强测量数据可提升领域特定模型性能。
2025-03-06 cs.CL
Introducing Information Retrieval for Biomedical Informatics Students
University of Pittsburgh(匹兹堡大学)
向生物医学信息学(BMI)学生介绍自然语言处理(NLP)需要平衡技术深度与实用知识,以满足以应用为中心的需求。我们开发了一套三个活动,介绍BMI学生的信息检索与NLP,涵盖文档表示策略和语言模型从TF-IDF到BERT。这些活动为学生提供针对常见用例的实践经验,并为各种应用程序介绍NLP工作流程的基本组件。
2021-05-06 cs.CL cs.IR
Infusing Disease Knowledge into BERT for Health Question Answering, Medical Inference and Disease Name Recognition
Texas A&M University(德克萨斯农工大学);Fudan University(复旦大学)
疾病的知识包括疾病的各个方面的信息,例如体征和症状,诊断和治疗。这种疾病知识对于许多健康相关和生物医学任务至关重要,包括消费者健康问答、医学语言推理和疾病名称识别。虽然像BERT这样的预训练语言模型在从文本中捕获语法、语义和世界知识方面取得了成功,但我们发现它们可以通过症状、诊断、治疗和其他疾病方面的知识等特定信息来进一步补充。因此,我们将BERT与疾病知识相结合,以改善这些重要的任务。具体而言,我们提出了一个新的疾病知识注入训练过程,并评估了一套BERT模型,包括BERT,BioBERT,SciBERT,ClinicalBERT,BlueBERT,和ALBERT。三个任务的实验表明,这些模型几乎在所有情况下都可以得到增强,证明了疾病知识注入的可行性。例如,BioBERT对消费者健康问答的准确率从68.29%提高到72.09%,同时在两个数据集中观察到新的SOTA结果。我们免费提供我们的数据和代码。
2020-10-08 cs.CL
Measuring Domain Portability and ErrorPropagation in Biomedical QA
Google(谷歌公司)
在这项工作中,我们提出了谷歌提交的BioASQ 7生物医学问答(QA)任务(特别是任务7 b,阶段B)。我们系统的核心是基于BERT QA模型,特别是\cite{alberti2019bert}模型。在这份报告中,通过我们的提交,我们旨在调查两个研究问题。我们首先研究领域可移植性是如何在一般文本上进行预训练和微调的QA系统,例如,Wikipedia.我们通过两个提交来衡量。第一种是非适应模型,它使用公共预训练的BERT模型,并在Natural Questions数据集\cite{kwiatkowski2019natural}上进行微调。第二个系统采用这种非适应模型,并用BioASQ训练数据对其进行微调。接下来,我们研究了端到端检索和QA系统中错误传播的影响。我们再次通过两次提交来测试这一点。第一个使用人类注释的相关文档和片段作为模型的输入,第二个使用预测的文档和片段。我们的主要发现是,域特定的微调可以受益于生物医学QA。然而,最大的质量瓶颈是在检索阶段,当使用非黄金输入到QA模型时,我们看到度量的大幅下降-超过10 pts绝对值。
2019-09-24 cs.AI cs.CL cs.LG
Multi-Perspective Semantic Information Retrieval in the Biomedical Domain
ARIZONA STATE UNIVERSITY(亚利桑那州立大学)
信息检索(IR)是从大型信息存储库中获取与特定查询或需求相关的数据(如文档)的任务。IR是若干下游自然语言处理(NLP)任务的重要组成部分。实际上,IR是许多广泛使用的技术的核心,如搜索引擎。虽然自20世纪70年代以来,像Okapi BM 25函数这样的概率排序函数已经被用于IR系统中,但现代神经方法与它们的经典对应物相比具有某些优势。特别是,BERT(来自Transformers的双向编码器表示)的发布在NLP社区中产生了重大影响,它演示了如何使用在大型数据库上训练的掩蔽语言模型来改进各种下游NLP任务,包括句子分类和段落重新排名。IR系统在生物医学和临床领域也很重要。鉴于生物医学领域的科学文献越来越多,从数百万篇文章的库中找到特定临床查询的答案的能力对医学专业人员来说具有实用价值。此外,存在特定领域的挑战,包括处理临床术语和在确定查询和句子之间的相关性时评估各种医学症状的相似性或相关性。这项工作的生物医学语义信息检索域的几个方面的贡献。首先,它介绍了多视角句子相关性,一种新的方法,利用BERT为基础的模型的上下文IR。该系统进行了评估,使用BioASQ生物医学IR挑战。最后,实际贡献的形式,一个活的IR系统的医务人员和一个建议的挑战,活的系统性评价临床任务。
2020-07-17 cs.CL cs.IR
BBAEG: Towards BERT-based Biomedical Adversarial Example Generation for Text Classification
Microsoft Research India(微软研究院印度分院)
医疗保健预测分析有助于医疗决策,诊断预测和药物审查分析。因此,预测精度是一个重要的标准,这也需要鲁棒的预测语言模型。然而,使用深度学习的模型已被证明容易受到不太可能被人类错误分类的无意义扰动输入实例的影响。使用基于规则的同义词和BERT-MLM生成对手的最新努力已经在一般领域中被见证,但不断增加的生物医学文献提出了独特的挑战。我们提出了BBAEG(基于生物医学BERT的对抗性示例生成),生物医学文本分类的黑盒攻击算法,利用生物医学命名实体和BERTLM预测,拼写变化和数字替换的特定领域的同义词替换的优势。通过对两个数据集的自动和人工评估,我们证明了BBAEG与以前的工作相比具有更好的语言流畅性和语义连贯性。
2021-04-05 cs.CL
Chemical-protein Interaction Extraction via Gaussian Probability Distribution and External Biomedical Knowledge
Dalian University of Technology(大连理工大学);Beijing Institute of Health Administration and Medical Information(北京卫生健康管理与医学信息研究所)
动机:生物医学文献包含了丰富的化学蛋白质相互作用(CPI)。自动提取生物医学文献中描述的CPI对于药物发现、精准医学以及基础生物医学研究至关重要。大多数现有的方法只关注句子序列来识别这些CPI。然而,句子的局部结构和外部生物医学知识也包含有价值的信息。有效利用这些信息可以提高CPI提取的性能。结果:在本文中,我们提出了一种新的神经网络为基础的方法来改善CPI提取。具体来说,该方法首先采用BERT来生成标题序列、实例序列和知识序列的高质量上下文表示。然后,高斯概率分布被引入到捕获的局部结构的实例。同时,利用注意力机制分别对标题信息和生物医学知识进行融合。最后,相关的表示被连接并馈送到softmax函数中以提取CPI。我们评估我们提出的模型的CHEMPROT语料库。我们提出的模型是优于性能相比,与其他国家的最先进的模型。实验结果表明,高斯概率分布和外部知识是相辅相成的。将它们结合起来可以有效地提高CPI提取性能。此外,高斯概率分布可以有效地提高生物医学关系抽取任务中具有重叠关系的句子的抽取性能。可用性:数据和代码可在https://github.com/CongSun-dlut/CPI_extraction上获取。联系:yangzh@dlut.edu.cn,wangleibihami@gmail.com补充信息:补充数据可在生物信息学在线。
2020-04-24 cs.CL
Evaluating Biomedical BERT Models for Vocabulary Alignment at Scale in the UMLS Metathesaurus
The Ohio State University(俄亥俄州立大学);National Library of Medicine(美国国家医学图书馆);AI Institute, University of South Carolina(南卡罗来纳大学人工智能研究所);George Washington University(乔治华盛顿大学)
目前的UMLS(统一医学语言系统)元词库建设过程中,集成超过200个生物医学源词汇是昂贵的,容易出错,因为它依赖于词汇算法和人类编辑来决定是否两个生物医学术语是同义的。自然语言处理的最新进展,例如Transformer模型(如BERT)及其具有上下文化词嵌入的生物医学变体,已经在下游任务上实现了最先进的(SOTA)性能。我们的目标是验证这些方法使用的BERT模型实际上可以优于现有的方法来预测同义词在UMLS元词库。在现有的具有LSTM和BioWordVec嵌入的Siamese网络中,我们使用不同的提取方式从每个BERT模型中提取的生物医学BERT嵌入替换BioWordVec嵌入。在Transformer架构中,我们评估了使用不同数据集和任务进行预训练的不同生物医学BERT模型的使用。考虑到这些BERT模型在其他下游任务中的SOTA性能,我们的实验产生了令人惊讶的有趣结果:(1)在两种模型架构中,采用这些基于生物医学BERT的模型的方法并不优于使用具有BioWordVec嵌入的Siamese网络用于UMLS同义词预测任务的现有方法,(2)未使用UMLS预训练的原始BioBERT大模型优于已使用UMLS预训练的SapBERT模型,和(3)当与使用生物医学BERT模型相比时,使用Siamese网络产生更好的同义词预测性能。
2021-10-15 cs.CL
Complementary and Integrative Health Lexicon (CIHLex) and Entity Recognition in the Literature
本研究构建了补充与整合健康词典CIHLex,包含198个概念和1090个术语,并评估了BERT等NLP模型在CIH命名实体识别中的性能,其中BLUEBERT取得了最高F1分数0.90,显著提升了CIH术语在生物医学文献中的表征与识别。
2023-11-14 cs.CL
BIOptimus: Pre-training an Optimal Biomedical Language Model with Curriculum Learning for Named Entity Recognition
本文系统比较生物医学语言模型预训练策略,提出上下文化权重蒸馏并结合课程学习训练 BIOptimus,在多项生物医学 NER 任务上取得新最优结果。
2023-08-16 cs.CL
SciFive: a text-to-text transformer model for biomedical literature
Case Western University(凯斯西储大学);National Cancer Institute(国家癌症研究所);Vietnam National University(越南国家大学);University of Science, Vietnam National University(越南国家大学科学大学)
在这份报告中,我们介绍了SciFive,这是一个特定于领域的T5模型,已经在大型生物医学语料库上进行了预训练。该模型在命名实体关系、关系抽取、自然语言推理和问答等任务上的性能优于当前的SOTA方法(即BERT、BioBERT、Base T5)。我们表明,文本生成方法在广泛的生物医学NLP任务中具有巨大的潜力,特别是那些需要更长,更复杂的输出的任务。我们的研究结果支持了更困难的文本生成任务的探索和这一领域新方法的发展
2021-05-28 cs.AI cs.CL cs.LG
Multi-level biomedical NER through multi-granularity embeddings and enhanced labeling
Isfahan University of Technology(伊斯法罕理工大学);Medical University of Vienna(维也纳医科大学)
本文提出一种混合方法,结合BERT、多通道CNN和BiLSTM+CRF,并引入增强标注预处理,以提升生物医学命名实体识别性能,在i2b2/2010数据集上取得90.11的F1分数。
2023-12-24 cs.AI cs.CL cs.LG
A Data-driven Approach for Noise Reduction in Distantly Supervised Biomedical Relation Extraction
German Research Center for Artificial Intelligence (DFKI)(德国人工智能研究中心)
事实三元组是生物医学领域中使用的结构化知识的常见形式。随着非结构化科学文本数量的持续增长,用于关系抽取任务的这些文本的手动注释变得越来越昂贵。远程监控提供了一种可行的方法来解决这个问题,它可以快速生成大量带标签但噪音很大的数据。我们的目标是通过扩展实体丰富的关系分类BERT模型的多实例学习的问题,并定义一个简单的数据编码方案,显着降低噪声,达到国家的最先进的性能远程监督生物医学关系抽取,以减少这种噪音。我们的方法进一步编码知识的关系三元组的方向,允许通过减少噪音和减轻联合学习与知识图谱完成的需要,增加对关系学习的关注。
2020-05-26 cs.CL cs.LG
Transfer Learning in Biomedical Natural Language Processing: An Evaluation of BERT and ELMo on Ten Benchmarking Datasets
National Center for Biotechnology Information(国家生物技术信息中心);National Library of Medicine, National Institutes of Health(美国国立卫生研究院国家医学图书馆)
受通用语言理解评估基准成功的启发,我们引入了生物医学语言理解评估(BLUE)基准,以促进生物医学领域中预训练语言表征开发的研究。该基准测试由五个任务和十个数据集组成,涵盖了不同数据集大小和难度的生物医学和临床文本。我们还评估了基于BERT和ELMo的几个基线,发现在PubMed摘要和MIMIC-III临床笔记上预训练的BERT模型达到了最佳结果。我们在https://github.com/ncbi-nlp/BLUE_Benchmark上公开提供数据集、预训练模型和代码。
2019-06-18 cs.CL
Mixture-of-Partitions: Infusing Large Biomedical Knowledge Graphs into BERT
University of Cambridge(剑桥大学);Monash University(莫纳什大学)
将事实知识注入预先训练的模型是许多知识密集型任务的基础。在本文中,我们提出了混合分区(MoP),一种注入方法,可以处理一个非常大的知识图谱(KG)划分成更小的子图,并注入他们的特定知识到各种BERT模型使用轻量级适配器。为了利用目标任务的整体事实知识,这些子图适配器与底层的BERT一起通过混合层进一步微调。我们评估我们的MoP与三个生物医学BERT(SciBERT,BioBERT,PubmedBERT)的六个下游任务(包括。NLI,QA,Classification),结果表明,我们的MoP在任务性能方面始终增强了底层BERT,并在五个评估数据集上实现了新的SOTA性能。
2021-09-10 cs.CL
Pipelined Biomedical Event Extraction Rivaling Joint Learning
本文提出基于BERT的n元关系抽取方法构建Binding事件,在BioNLP GE11和GE13上F1达63.14%和59.40%,使流水线方法性能媲美甚至超越联合学习。
2024-03-19 cs.AI cs.CL
BIBERT-Pipe on Biomedical Nested Named Entity Linking at BioASQ 2025
Individual Researcher(独立研究者)
针对生物医学嵌套多语言实体链接,提出保持原始EL模型不变的两阶段检索排序系统BIBERT-Pipe,通过边界线索和数据集增强,在BioNNE 2025多语言赛道获第三名。
2025-09-10 cs.CL
Enhancing Biomedical Named Entity Recognition via Multiple Programming Languages Instruction Tuning and Ensemble Method
Dalian Maritime University(大连海事大学);Beijing Institute of Technology(北京理工大学);Northeastern University(东北大学);Dalian University of Technology(大连理工大学)
提出MITE方法,通过多编程语言指令调优和实体级投票集成,将BioNER转化为结构到结构生成任务,在六个数据集上优于现有基线。
2026-10-26 cs.CL
UNCC Biomedical Semantic Question Answering Systems. BioASQ: Task-7B, Phase-B
UNC Charlotte(北卡罗来纳大学夏洛特分校)
在本文中,我们详细介绍了我们提交的2019年,第7年,BioASQ比赛。我们提出了我们的方法,任务-7b,B阶段,精确定位任务。这些问答(QA)任务包括模拟事实、是/否、列表类型问答。我们的系统是基于上下文的词嵌入模型。我们使用了双向编码器表示从Transformers(BERT)为基础的系统,微调生物医学问答任务,使用生物BERT。在第三批测试中,我们的系统取得了最高的MRR分数的仿真问答任务。此外,对于列表类型的问答任务,我们的系统在第四批测试中获得了最高的召回分数。随着我们的详细方法,我们提出了我们提交的结果,并强调了我们当前方法的缺点以及在未来实验中改进它们的方法。
2020-02-05 cs.CL cs.IR
BioRED: A Rich Biomedical Relation Extraction Dataset
National Center for Biotechnology Information (NCBI), National Library of Medicine (NLM), National Institutes of Health (NIH)(美国国立卫生研究院国家医学图书馆国家生物技术信息中心);University of Delaware(特拉华大学)
从生物医学文献中自动提取关系抽取(RE)对于研究和现实世界中的许多下游文本挖掘应用至关重要。然而,用于生物医学RE的大多数现有基准数据集仅关注单一类型的关系(例如,蛋白质-蛋白质相互作用),极大地限制了RE系统在生物医学中的发展。在这项工作中,我们首先审查常用的命名实体识别(NER)和RE数据集。然后,我们介绍了BioRED,这是一个具有多种实体类型(例如,基因/蛋白质、疾病、化学物质)和关系对(例如,基因-疾病;化学-化学)在文件级别,对一组600 PubMed摘要。此外,我们将每个关系标记为描述新发现或先前已知的背景知识,从而使自动算法能够区分新信息和背景信息。我们评估BioRED的效用,通过基准测试几个现有的国家的最先进的方法,包括基于BERT的模型,在NER和RE任务。我们的研究结果表明,虽然现有的方法可以达到高性能的NER任务(F分数为89.3%),有很大的改进空间的RE任务,特别是在提取新的关系(F分数为47.7%)。我们的实验还表明,这样一个丰富的数据集可以成功地促进更准确,高效和强大的RE系统的生物医学的发展。BioRED数据集和注释指南可在https://ftp.ncbi.nlm.nih.gov/pub/lu/BioRED/上免费获得。
2022-06-19 cs.CL
Query-Focused Extractive Summarisation for Finding Ideal Answers to Biomedical and COVID-19 Questions
Macquarie University(麦考瑞大学)
本文介绍了麦考瑞大学对BioASQ协同任务和BioASQ 9 b B阶段的参与。在这些任务中,我们的参与集中在使用以查询为中心的提取摘要,以获得医学问题的理想答案。协同任务是一项关于COVID-19的端到端问答任务,系统需要返回相关文档、片段和给定问题的答案。由于缺乏训练数据,我们使用了一个以查询为中心的总结系统,该系统使用BioASQ 8b训练数据集进行训练,我们试验了检索文档和片段的方法。考虑到我们的系统检索到的文档和片段的质量很差,我们在返回的答案中观察到了相当好的质量。对于BioASQ 9 b任务的B阶段,相关文档和片段已包含在测试数据中。我们的系统将片段分割成候选句子,并在句子分类设置下使用BERT变体。该系统使用问题和候选句子作为输入,并经过训练以预测候选句子作为理想答案的一部分的可能性。运行获得了所有BioASQ 9 b批次的所有参与者的最佳或次佳ROUGE-F1结果。这表明,在分类设置中使用BERT是识别理想答案的非常强的基线。
2021-08-31 cs.CL cs.IR
BIOMRC: A Dataset for Biomedical Machine Reading Comprehension
Athens University of Economics and Business(雅典经济与商业大学);Research Center ‘Athena’(“雅典娜”研究中心);Google Research(谷歌研究院)
我们介绍BIOMRC,一个大规模的完形填空式生物医学MRC数据集。与Pappas等人(2018)之前的BIOREAD数据集相比,注意减少噪音。实验表明,简单的统计学在新数据集上的表现并不好,而在BIOREAD上测试过的两个神经MRC模型在BIOMRC上的表现要好得多,这表明新数据集确实噪音更小,或者至少它的任务更可行。与BIOREAD相比,非专家人类在新数据集上的表现也更高,生物医学专家的表现甚至更好。我们还介绍了一种新的基于BERT的MRC模型,其最佳版本大大优于所有其他测试方法,在某些实验中达到或超过了生物医学专家的准确性。我们提供了三种不同大小的新数据集,还发布了我们的代码,并提供了排行榜。
2020-05-13 cs.CL cs.LG stat.ML
CamemBERT-bio: Leveraging Continual Pre-training for Cost-Effective Models on French Biomedical Data
Inria(法国国家信息与自动化研究所);Sorbonne Université(索邦大学)
本文提出法语生物医学模型 CamemBERT-bio,通过在新公开法语生物医学数据集上持续预训练 CamemBERT,以更低计算成本在多类 NER 任务上平均提升 F1 2.54 分。
2024-04-03 cs.AI cs.CL
Enhancing Pharmacovigilance with Drug Reviews and Social Media
University of California, Berkeley(加州大学伯克利分校)
本文探讨了是否可以利用药物评论和社交媒体作为药物不良反应(ADR)药物警戒的潜在替代来源。我们检查了BERT的性能以及在生物医学论文BioBERT 7和临床笔记Clinical BERT 8上训练的两个变体。对各种8种不同的BERT模型进行微调,并在三个不同的任务中进行比较,以评估它们在ADR任务中彼此的相对表现。这些任务包括药物评论的情感分类、Twitter帖子中ADR的存在以及Twitter帖子中ADR的命名实体识别。BERT在所有三种不同的药物警戒相关任务中表现出高性能的灵活性。
2020-04-18 cs.CL cs.IR cs.LG
RAG-BioQA: A Retrieval-Augmented Generation Framework for Long-Form Biomedical Question Answering
Department of CSE Emory University Georgia, USA(计算机科学与工程系 埃默里大学 美国佐治亚州);Department of CSE SRM University AP Andhra Pradesh, India(计算机科学与工程系 SRM大学AP 安得拉邦印度);Department of CSE Trine University Michigan, USA(计算机科学与工程系 特林大学 密歇根州美国)
RAG-BioQA通过结合BioBERT和FAISS实现检索增强生成,提升长文本生物医学问答的准确性和可复现性。
2026-01-02 cs.AI cs.CL
PrionNER: A Named Entity Recognition Dataset for Prion Disease Biomedical Literature
The University of Tokyo(东京大学);Medical Doctor, Independent Researcher(医学博士,独立研究员);Center for Language AI Research, Tohoku University(语言人工智能研究中心,东北大学);RIKEN Center for Advanced Intelligence Project(日本理化学研究院高级智能项目中心);National Institute of Informatics(信息机构国家研究所)
针对朊病毒病临床信息,构建了手动标注的命名实体识别数据集PrionNER,包含317篇摘要、15种粗粒度和31种细粒度实体类型,并评估了监督和零样本模型性能。
2026-05-27 cs.CL
On Adversarial Examples for Biomedical NLP Tasks
Pontificia Universidad Católica de Chile(智利天主教大学)
预训练词嵌入的成功激发了其在生物医学领域任务中的使用。BERT语言模型在命名实体识别(NER)和语义文本相似性(STS)等任务的标准性能指标上表现出了显著的效果,这为自然语言处理领域带来了重大进展。然而,目前还不清楚这些系统是否在关键领域(如法律或医疗)工作得很好。出于这个原因,在这项工作中,我们提出了一个对抗性的评估方案,对两个著名的数据集的医疗NER和STS。我们提出了两种类型的攻击的灵感来自自然的拼写错误和错别字由人类。我们还提出了另一种类型的攻击,使用医学术语的同义词。在这些对抗性设置下,模型的准确性显着下降,我们量化了这种性能损失的程度。我们还表明,我们可以通过使用对抗性示例训练模型来显着提高模型的鲁棒性。我们希望我们的工作将激励使用对抗性示例来评估和开发具有更高鲁棒性的医疗任务模型。
2020-04-23 cs.CL cs.LG
Clustering of Deep Contextualized Representations for Summarization of Biomedical Texts
近年来,将领域知识融入文本摘要过程的摘要器已经优于一般方法,特别是对于生物医学文本的摘要。然而,领域知识库的建设和维护是资源密集型的任务,需要大量的人工注释。在本文中,我们证明了从预训练的深度语言模型BERT中提取的上下文表示可以有效地用于测量句子之间的相似性并量化信息内容。实验结果表明,我们的基于BERT的摘要器可以提高生物医学摘要的性能。虽然摘要器不使用任何领域知识的来源,它可以捕捉句子的上下文比比较方法更准确。源代码和数据可在https://github.com/BioTextSumm/BERT-based-Summ上获得。
2019-08-22 cs.CL
A Hybrid Approach to Measure Semantic Relatedness in Biomedical Concepts
NIT Trichy(蒂鲁吉拉伯利国立理工学院)
目的:本研究旨在验证一种基于句子BERT模型和改进算法的混合方法来计算任意两个生物医学概念之间的相关性的有效性。材料和方法:我们通过使用ELMo、BERT和句子BERT模型编码概念偏好术语来生成概念向量。我们使用BioELMo和Clinical ELMo。我们使用了本体知识免费(OKF)模型,如PubMedBERT,BioBERT,BioClinicalBERT,以及本体知识注入(OKI)模型,如SapBERT,CoderBERT,KbBERT和UmlsBERT。我们使用Siamese网络在SNLI和STSb数据集上训练所有的BERT模型,以允许模型在短语或句子级别上学习更多的语义信息,以便它们能够更好地表示多词概念。最后,为了将本体关系知识注入到概念向量中,我们使用了改进算法和来自各种UMLS关系的概念。我们在四个公开的数据集上评估了我们的混合方法,其中还包括最近发布的EHR-RelB数据集。EHR-RelB是最大的公开可用的相关性数据集,其中89%的术语是多词,这使得它更具挑战性。结果:句子BERT模型大多优于相应的BERT模型。使用基于SapBERT的Sentence BERT模型生成的概念向量和使用UML相关概念进行的改进在所有四个数据集上都取得了最佳结果。结论:在大多数情况下,句子BERT模型比BERT模型在计算相关性分数方面更有效。将本体知识注入概念向量进一步提高了它们…
2021-01-25 cs.CL
Biomedical Literature Q&A System Using Retrieval-Augmented Generation (RAG)
本文提出基于RAG架构的生物医学文献问答系统,整合PubMed等多源数据,利用MiniLM语义检索和QLoRA微调的Mistral-7B生成回答,在乳腺癌文献评估中显著提升事实一致性与语义相关性。
2025-09-05 cs.CL cs.LG
AI-assisted Knowledge Discovery in Biomedical Literature to Support Decision-making in Precision Oncology
Sidney Kimmel Comprehensive Cancer Center, Johns Hopkins School of Medicine(约翰斯·霍普金斯大学医学院西德尼·金梅尔综合癌症中心);Johns Hopkins School of Medicine(约翰斯·霍普金斯大学医学院)
本研究评估多种自然语言处理方案在生物医学文献知识发现中的表现,发现BioBERT在关系抽取任务和特定用例中性能最优,可为精准肿瘤学决策提供支持。
2024-12-12 cs.AI cs.CL
Fine-Tuning BERT for Domain-Specific Question Answering: Toward Educational NLP Resources at University Scale
Dept. of Electronic & Computer Engineering, University of Limerick(电子与计算机工程系,利默里克大学)
本研究通过微调BERT模型,针对大学课程材料开发了首个领域特定问答系统,展示了基础模型在教育领域的应用潜力。
2025-12-04 cs.AI cs.CL
The Word and the Way: Strategies for Domain-Specific BERT Pre-Training in German Medical NLP
School of Computation, Information and Technology(计算信息科技学院);Technical University of Munich(慕尼黑技术大学);Chair of IT Infrastructure for Translational Medical Research(转化医学研究信息基础设施主任);Faculty of Applied Computer Science(应用计算机科学学院);University of Augsburg(艾希施泰特大学);Institute of General Practice(基础医学研究所);Faculty of Medicine and Medical Center(医学学院和医学中心)
本文提出ChristBERT系列模型,通过对比持续预训练、从头训练和领域词汇适应三种策略,在德语医学NLP任务中实现最优性能,并建立新的基准。
2026-06-02 cs.CL
What Makes a Medical Checker Trainable? Diagnosing Signal Collapse and Reward Hacking in Checker-Guided RAG for Biomedical QA
University of Pittsburgh(匹兹堡大学)
本文通过比较四种NLI检查器作为GRPO训练的医学RAG代理的过程奖励,诊断了信号崩溃和奖励黑客现象,发现检查器的输出分布而非保留准确率决定了其是否提供可训练梯度,并提出了验证器作为奖励系统的边界条件。
2026-05-25 cs.CL
BioNerFlair: biomedical named entity recognition using flair embedding and sequence tagger
Medi-Caps University(Medi-Caps大学)
动机:生物医学研究文章的激增使得信息检索的任务比以往任何时候都更加重要。科学家和研究人员很难找到包含与他们相关信息的文章。适当提取生物医学实体,如疾病,药物/化学,物种,基因/蛋白质,可以大大提高文章的过滤,从而更好地提取相关信息。由于基于transformers的模型(如BERT,XLNet,OpenAI,GPT 2等)的发展,BioNer基准测试的性能逐步提高。这些模型给出了出色的结果;然而,它们在计算上是昂贵的,我们可以使用其他基于上下文字符串的模型和基于LSTM-CRF的序列标签器为特定领域的任务获得更好的分数。结果如下:我们介绍BioNerFlair,一种训练生物医学命名实体识别模型的方法,使用Flair加GloVe嵌入和双向LSTM-CRF基于序列标签。BioNerFlair与广泛用于命名实体识别的通用架构几乎相同,性能优于以前的最先进模型。我在8个生物医学命名实体识别基准数据集上进行了实验。与目前最先进的模型相比,BioNerFlair在BioCreative II基因提及(BC 2GM)语料库上获得了90.17的最佳F1分数,超过了84.72,在BioCreative IV化学和药物上获得了94.03的最佳F1分数,超过了92.36。(BC 4CHMED)语料库,JNLPBA语料库上的最佳F1评分为88.73,超出78.58,NCBI疾病语料库上的最佳F1评分为91…
2020-11-03 cs.CL cs.IR