[논문 리뷰] BADREX: In situ expansion and coreference of biomedical abbreviations using dynamic regular expressions

Phil Gooch|arXiv (Cornell University)|2012. 06. 20.

Biomedical Text Mining and Ontologies참고 문헌 7인용 수 15

한 줄 요약

BADREX는 생물의학적 약어를 현장에서 식별하고 확장하며, 정의로의 공호성 해소를 위해 동적으로 생성된 정규표현식을 사용하는 규칙 기반 시스템을 제안한다. 이 시스템은 학습 데이터나 모델 재학습 없이도 Medstract 코퍼스에서 정밀도 98%와 재현율 97%를 달성하여 이전 방법들을 능가한다.

ABSTRACT

BADREX uses dynamically generated regular expressions to annotate term definition-term abbreviation pairs, and corefers unpaired acronyms and abbreviations back to their initial definition in the text. Against the Medstract corpus BADREX achieves precision and recall of 98% and 97%, and against a much larger corpus, 90% and 85%, respectively. BADREX yields improved performance over previous approaches, requires no training data and allows runtime customisation of its input parameters. BADREX is freely available from https://github.com/philgooch/BADREX-Biomedical-Abbreviation-Expander as a plugin for the General Architecture for Text Engineering (GATE) framework and is licensed under the GPLv3.

연구 동기 및 목표

• 과학적 텍스트 내에서 생물의학적 약어를 문맥 기반으로 식별하고 확장하는 데 도전하는 것.
• 쌍방이 되지 않은 약어나 약어의 공호성을 그 원래 정의로 연결하는 것.
• 라벨이 붙은 학습 데이터가 필요 없고 런타임 동안 매개변수를 커스터마이징할 수 있는 시스템을 개발하는 것.
• 기존 방법보다 정밀도와 재현율 측면에서 약어 확장 및 공호성 해소 성능을 향상시키는 것.
• GATE 자연어 처리 프레임워크 내부에 통합된 무료로 이용 가능하고 확장 가능한 솔루션을 제공하는 것.

제안 방법

• 생물의학 텍스트 내의 용어-정의 쌍에서 문맥 기반 패턴을 기반으로 동적으로 정규표현식을 생성하는 것.
• 이러한 정규표현식 패턴을 사용해 원본 텍스트 문맥 내에서 직접(현장에서) 약어를 탐지하고 확장하는 것.
• 쌍방이 되지 않은 약어를 문서 내에서 가장 가능성이 높은 정의어로 연결하기 위해 공호성 해소 기법을 사용하는 것.
• 标점, 간격, 문법적 근접성과 같은 언어적 및 구조적 단서를 활용해 패턴 생성을 안내하는 것.
• 기존 NLP 파이프라인에 통합 가능한 GATE 플러그인으로 시스템을 구현하는 것.
• 용어 길이, 대문자 사용, 구두점 규칙 등의 매개변수를 런타임 설정 가능하게 지원하는 것.

실험 결과

연구 질문

• RQ1 학습 데이터 없이도 동적 정규표현식이 생물의학적 약어를 효과적으로 식별하고 확장할 수 있는가?
• RQ2 생물의학 텍스트에서 쌍방이 되지 않은 약어를 원래 정의로 정확하게 연결할 수 있는가?
• RQ3 기존 방법에 비해 표준 벤치마크 코퍼스에서 정밀도와 재현율 측면에서 얼마나 뛰어나게 성능을 발휘하는가?
• RQ4 다양한 텍스트 유형이나 도메인 특화 약어 패턴에 맞게 런타임에서 커스터마이징할 수 있는가?
• RQ5 모델링된 데이터셋을 초월해 실제 대규모 생물의학 코퍼스에서도 확장성과 효과성을 발휘할 수 있는가?

주요 결과

• BADREX는 Medstract 코퍼스에서 정밀도 98%와 재현율 97%를 달성하여 약어 확장 및 공호성 해소의 높은 정확도를 입증했다.
• 더 큰 다양성 있는 코퍼스에서는 정밀도 90%와 재현율 85%를 유지하며 뛰어난 성능을 보였다.
• 이전 방법보다 정밀도와 재현율 측면에서 모두 뛰어나, 더 나은 탐지 및 해소 능력을 보여주었다.
• 학습 데이터가 필요 없어 새로운 도메인에 적용할 때 재학습이 필요 없이 활용할 수 있다.
• 런타임 설정 가능성이 다양한 텍스트 스타일, 약어 형식, 도메인 특화 패턴에 적응할 수 있도록 한다.
• 시스템은 GPLv3 라이선스 하에 GATE 플러그인으로 무료로 제공되어 널리 보급되고 통합될 수 있다.