BriefGPT - AI 论文速递
·
CEAR：从科学文献中自动构建化学实体和角色的知识图谱
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本研究使用BERT模型和条件随机场层从临床记录中提取和分析生物医学知识的端到端方法，包括命名实体识别和关系提取等步骤，可构建医学知识图谱并用于问题解答。实验结果表明，该方法对505位真实患者的生物医学非结构化临床记录的准确率分别为90.7%和88%。
🎯
关键要点
- 本研究提出了一种使用BERT模型和条件随机场层的端到端方法。
- 该方法用于从临床记录中提取和分析生物医学知识。
- 包括命名实体识别和关系提取等步骤。
- 可以构建医学知识图谱并用于问题解答。
- 实验结果显示，该方法在505位真实患者的记录中，命名实体识别准确率为90.7%，关系提取准确率为88%。
➡️
