用于检索增强生成中生物医学信息抽取的可配置语义分块
Configurable Semantic Chunking for Biomedical Information Extraction in Retrieval-Augmented Generation
浏览论文内容
中文总结 AI 辅助
针对 BioMedRAG 固定大小分块割裂语义证据的问题，提出可配置语义分块框架，替换其分块构建阶段，在 GM-CIHT 上 F1 值提升 8.4 个百分点，为生物医学 RAG 提供可解释适配方案。
中文摘要 AI 辅助
BioMedRAG 引入了带有学习分块评分器的检索增强生成技术，用于生物医学信息抽取，但它依赖固定大小分块，可能会割裂语义证据。我们提出一种可配置语义分块框架，通过结合实体保留窗口、触发中心分块、命题优先抽取、分层触发优先级及分层关系解析来解决该局限。该框架与 BioMedRAG 集成，仅替换分块构建阶段，同时保留嵌入模型、学习分块评分器、生成器及评估协议。我们在生物医学关系抽取基准（GM-CIHT、DDI、ChemProt）和不良事件分类（ADE）上评估该框架。在 GM-CIHT 上，完整混合配置达到 82.6% 的 F1 值，在我们的实验设置下较固定大小基线（74.2% F1）提升 8.4 个百分点。跨数据集分析显示，语义分块对具有明确关系线索的抽取数据集（如 GM-CIHT 和 DDI）有改善，而固定分块在密集生化抽取及二分类设置（如 ChemProt 和 ADE）中仍具竞争力或更优。通过将分块逻辑外部化为配置文件，该框架为生物医学 RAG 管道提供了一种可解释且可适应的替代方案，替代僵化的固定大小分块。
英文摘要
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.
发表机构
- Institute of Data Science in Biomedicine, Technische Universität Braunschweig（布伦瑞克工业大学生物医学数据科学研究所）
机构由 AI 辅助整理，请以论文原文为准。
