@正在进行{koroleva-paroubek-2019-提取,title=“在随机对照试验({RCT}s)出版物中提取结果和显著性水平之间的关系”,author=“科罗列娃、安娜和Patrick Paroubek”,editor=“Demner-Fushman、Dina和科恩、凯文·布雷东尔和阿纳尼亚杜、索菲娅和纯一筑井“,booktitle=“第18届BioNLP研讨会会议记录和共享任务”,月=八月,年份=“2019”,address=“意大利佛罗伦萨”,publisher=“计算语言学协会”,url=“https://aclantology.org/W19-5038”,doi=“10.18653/v1/W19-5038”,pages=“359--369”,抽象=“随机对照试验通过将实验干预与对照干预在一些变量(试验结果)方面进行比较来评估实验干预的效果。统计假设检验用于测试实验干预是否优于对照。通常报告测量结果的统计显著性es和是结果的一个重要特征。我们提出了一种机器学习方法来自动提取报告结果、显著性水平以及它们之间的关系。我们注释了一个包含663个句子的语料库,其中2552个结果-显著性水平关系(1372个积极关系和1180个消极关系)。我们使用手工构建的特征集和一些深度学习模型比较了几个分类器。BioBERT微调模型显示了最佳性能(F-measure为94{\%})。",}
<?xml版本=“1.0”编码=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“koroleva-paroubek-2019-extracting”><标题信息>提取随机对照试验(RCT)出版物中结果和显著性水平之间的关系</titleInfo><name type=“personal”>安娜科洛列娃<角色>作者</角色></name><name type=“personal”><namePart type=“given”>Patrick</namePart>帕特里克</namePart帕鲁贝克<角色>作者</角色></name><originInfo>发布日期:2019-08发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>第18届BioNLP研讨会会议记录和共享任务</titleInfo><name type=“personal”>迪娜Demner-Fushman<角色>编辑器</角色></name><name type=“personal”>凯文布雷顿科恩<角色>编辑器</角色></name><name type=“personal”>索菲娅阿纳尼亚杜<角色>编辑器</角色></name><name type=“personal”>俊一<namePart type=“given”><namePart type=“family”>筑地</namePart><角色>编辑器</角色></name><originInfo>计算语言学协会<地点>意大利佛罗伦萨</place></originInfo>会议出版物</relatedItem>随机对照试验通过比较实验干预和对照干预的一些变量(试验结果)来评估实验干预的效果。统计假设检验用于检验实验干预是否优于对照。通常报告测量结果的统计显著性,这是结果的一个重要特征。我们提出了一种机器学习方法来自动提取报告的结果、显著性水平及其之间的关系。我们注释了一个包含663个句子的语料库,其中2552个结果-显著性水平关系(1372个积极关系和1180个消极关系)。我们使用手工构建的特征集和一些深度学习模型比较了几个分类器。BioBERT微调模型显示了最佳性能(F-measure为94%)</摘要>koroleva-paroubek-2019-extracting(提取)10.18653/v1/W19-5038<位置><网址>https://aclantology.org/W19-5038</url></位置><部分><date>2019-08</date><扩展单元=“page”><开始>359<end>369</范围></部分></mods></modsCollection>
%0会议记录%随机对照试验(RCT)出版物中结果和显著性水平之间的关系提取%A Koroleva,安娜%帕特里克,A Paroubek%迪娜·Y Demner-Fushman%Y Cohen、Kevin Bretonel%Y Ananiadou,索菲娅%Y Tsujii,Junichi先生%第18届BioNLP研讨会论文集和共享任务%D 2019年%8月8日%I计算语言学协会%C意大利佛罗伦萨%F koroleva-paroubek-2019-提取%X随机对照试验通过比较实验干预和对照干预的一些变量(试验结果)来评估实验干预的效果。统计假设检验用于检验实验干预是否优于对照。通常报告测量结果的统计显著性,这是结果的一个重要特征。我们提出了一种机器学习方法来自动提取报告结果、显著性水平以及它们之间的关系。我们注释了663个句子的语料库,其中2552个结果显著性水平关系(1372个阳性关系和1180个阴性关系)。我们使用手工构建的特征集和一些深度学习模型比较了几个分类器。BioBERT微调模型显示了最佳性能(F-measure为94%)。%10.18653/v1/W19-5038兰特%U型https://aclantology.org/W19-5038%U型https://doi.org/10.18653/v1/W19-5038%电话:359-369
降价(非正式)
[提取随机对照试验(RCT)出版物中结果和显著性水平之间的关系](https://aclantology.org/W19-5038)(Koroleva&Paroubek,BioNLP 2019)
国际计算语言学协会