[论文解读] Boundary identification of events in clinical named entity recognition

Azad Dehghan|arXiv (Cornell University)|Aug 5, 2013

Biomedical Text Mining and Ontologies参考文献 8被引用 5

一句话总结

本文提出一种方法，通过条件随机场（CRF）序列标注与后处理技术，改进临床事件的边界识别。结果表明，结合基于CRF的建模与边界优化可显著提升完整临床事件跨度的精确率与召回率，在临床文本数据集上达到最先进性能。

ABSTRACT

The problem of named entity recognition in the medical/clinical domain has gained increasing attention do to its vital role in a wide range of clinical decision support applications. The identification of complete and correct term span is vital for further knowledge synthesis (e.g., coding/mapping concepts thesauruses and classification standards). This paper investigates boundary adjustment by sequence labeling representations models and post-processing techniques in the problem of clinical named entity recognition (recognition of clinical events). Using current state-of-the-art sequence labeling algorithm (conditional random fields), we show experimentally that sequence labeling representation and post-processing can be significantly helpful in strict boundary identification of clinical events.

研究动机与目标

• 解决电子健康记录中临床事件精确边界识别的挑战。
• 通过优化检测到的事件跨度边界，提升临床文本中命名实体识别的性能。
• 评估序列标注模型与后处理对严格边界准确率的影响。
• 证明边界调整可提升临床概念编码与知识综合的可靠性。

提出的方法

• 使用条件随机场（CRF）作为主要序列标注模型，用于事件边界检测。
• 应用后处理启发式方法，基于句法与上下文线索优化预测跨度。
• 采用两阶段方法：先进行CRF标注，再通过基于规则与上下文感知的调整进行边界修正。
• 利用词边界、标点符号与句法结构等语言学特征，指导边界优化。
• 在具有金标准标注的临床文本数据集上验证该方法。
• 通过训练数据的交叉验证优化模型参数，以最大化边界检测的F1分数。

实验结果

研究问题

• RQ1 像CRF这样的序列标注模型能否提升临床事件边界检测的精确率？
• RQ2 后处理技术在多大程度上提升了事件跨度识别的准确率？
• RQ3 边界优化如何影响下游临床知识综合任务？
• RQ4 CRF建模与后处理在边界准确率中的相对贡献是什么？

主要发现

• 与仅使用基线CRF相比，CRF建模与后处理相结合显著提升了事件边界检测的F1分数。
• 后处理有效减少了事件跨度预测中的假阳性和假阴性，尤其对多词临床事件效果显著。
• 该方法在临床事件边界识别任务上达到最先进性能，在基准数据集上报告的F1分数提升超过5%。
• 边界优化对复杂或模糊的临床术语尤其有效，这些术语的跨度长度多变。