← 목록으로
바이오·의료연구 결과

클리니컬 텍스트에서 엔티티 수정자 예측을 위한 전이 학습 방법 제시

원문 발행 2024.01.27 07:19 KST블랙덱 추가 2026.11.01 18:30 KST
요약에 참고한 원문

무엇이 새로워졌나요?

다중 작업 트랜스포머 아키텍처를 통해 엔티티 수정자를 공동 학습하고 예측합니다.

핵심 내용

  1. 클리니컬 텍스트의 엔티티 의미는 수정자에 의해 크게 변화합니다.
  2. 기존 모델은 각 수정자에 대해 독립적으로 정규 표현식 또는 특징 가중치를 학습합니다.
  3. 제안된 다중 작업 트랜스포머 모델은 공유 및 OUD 특화 수정자를 함께 학습합니다.

내 일에 연결해 보면

OUD 데이터 세트에서 공유되는 수정자와 새로운 수정자를 모두 처리합니다.

아직 확인해야 할 점

논문 초록에 근거한 연구 요약입니다. 실제 적용 조건과 검증 범위는 연결된 원문에서 확인해야 합니다.

요약에 참고한 원문

아래 링크는 원문 사이트의 새 창으로 열립니다.

  1. arxivTransfer Learning for the Prediction of Entity Modifiers in Clinical Text: Application to Opioid Use Disorder Case Detection