利用ChatGPT进行药物处方中零样本和少样本命名实体识别与文本扩展
原文中文,约400字,阅读约需1分钟。发表于: 。本研究解决了药物处方文本中命名实体识别和文本扩展的挑战,特别是在多语言和特殊格式情况下。通过使用 ChatGPT 3.5,研究展示了在零样本和少样本设置下的有效 prompts,取得了命名实体识别的 F1 分数高达0.94,文本扩展任务的 F1 分数为0.87,显著提高了药物信息的可解读性和安全性。
研究探讨了大型语言模型(LLMs),特别是 ChatGPT 在医学药物监测事件提取中的应用潜力。实验显示,ChatGPT 在适当策略下表现尚可,但不如微调的小型模型。尝试用 ChatGPT 进行数据增强,但合成数据可能导致性能下降。通过不同的过滤策略,性能更稳定,但仍需改进。