基于知识注入的中文生物医学实体规范化的提示学习
原文中文,约300字,阅读约需1分钟。发表于: 。提出了一种新颖的知识注入提示学习方法,针对生物医学实体标准化(BEN)任务中的复杂中文少样本场景和有限医疗数据,通过将医疗实体中的知识编码并注入到定制的知识注入模板中,提高了模型捕捉医疗实体之间潜在关系的能力,从而在 BEN 任务中展现出出色的性能。
本文提出了一个新的跨语言生物医学实体链接任务,并建立了一个涵盖10种语言的基准测试。研究发现,领域特定传递方法在所有目标语言中均获得了持续的提高,无需目标语言具有领域内的知识和对应的并行数据。