第十八 生物NLP@ACL 2019年:意大利佛罗伦萨
迪娜·德姆纳·福什曼 , 凯文·布雷东纳尔·科恩 , 索菲亚·阿纳尼亚杜 , 津井俊一 :
第18届BioNLP研讨会会议记录和共享任务, 生物NLP@ACL 2019年,意大利佛罗伦萨,2019年8月1日。 计算语言学协会 2019 ,国际标准图书编号 978-1-950737-28-4 丹尼斯·纽曼·格里菲斯 , 阿亚·齐里克利 , 盖伊·迪维塔 , 巴特·德斯梅特 :
对临床活动描述中报告的能力进行分类。 1-10 史蒂文·凯斯特·尤沃诺 , Hwee Tou Ng公司 , 李渊(Kee Yuan Ngiam) :
学习医生的经验:基于临床笔记的阑尾炎自动诊断。 11-19 萨维什·索尼 , 柯克·罗伯茨 :
一个用于EHR问答的短语生成系统。 20-29 Geeticka Chauhan先生 , 马修·B·A·麦克德莫特 , 彼得·索洛维茨 :
REflex:多域关系提取的灵活框架。 30-47 马克·奥尔默罗德 , 杰苏斯·马丁内斯·德尔·林科恩 , 尼尔-罗伯逊 , 伯纳黛特·麦吉尼斯 , 巴里·德弗鲁 :
分析记忆障碍在临床笔记分类模型中的表现。 48-57 彭一凡 , 山凯燕 , 卢志勇 :
生物医学自然语言处理中的迁移学习:在十个基准数据集上对BERT和ELMo的评估。 58-65 艾米莉亚·阿波斯托洛娃 , 王伟康 , 蒂姆·查姆佩尔 , Ioannis Koutroulis公司 , 汤姆·贝莱斯 :
结合结构化和自由文本电子病历数据,实现实时临床决策支持。 66-70 玛丽亚·米特罗芬 , 维吉尼卡·巴布·米蒂特卢 , 格里戈里娜·米特罗芬 :
MoNERo:罗马尼亚语生物医学金标准语料库。 71-79 希拉杰·拉贾戈帕尔 , 尼迪·维亚斯 , 阿迪蒂亚·西德汉特 , 阿尼鲁达·拉亚萨姆 , Niket Tandon公司 , 爱德华·霍维 :
生物过程SRL系统的领域适应。 80-87 乔金 , 刘金陵 , 兴化路 :
深层语境化的生物医学缩写扩展。 88-96 汉娜·皮列娃 , Artem N.Chernodub公司 , 纳塔莉亚·格拉巴 , 蒂埃里·阿蒙 :
用于识别难以理解的医学词汇的RNN嵌入。 97-104 克里斯托弗·诺曼 , Mariska M.G.Leefrang女士 , 雷内·斯皮克 , 埃文格洛斯·卡努拉斯 , 奥雷利·内维尔 :
远程监控数据集,用于从诊断研究中自动提取数据。 105-114 乔治塔·博尔达 , Tsanta Randriastitohaina公司 , 弗勒·莫金 , 纳塔莉亚·格拉巴 , 蒂埃里·阿蒙 :
食品与药物交互中使用用例自动构建语料库的查询选择方法。 115-124 比利·邱(Billy Chiu) , 西蒙·贝克 , 玛莎·帕尔默 , 安娜·科霍恩 :
通过修改动词簇来增强生物医学单词嵌入。 125-134 阿迪蒂亚·乔希 , 萨夫纳兹·卡里米 , 罗斯·斯帕克斯 , 巴黎Cécile , C.雷娜·麦金太尔 :
卫生信息学分类问题中基于单词和基于上下文表示的比较。 135-141 朱利安·福奎尔 , Ashok Thillaisundaram公司 , 多哥狄奥多西娅 :
从头开始构建大规模生物医学知识库,快速注释可解释模式。 142-151 莱昂纳多·坎皮洛斯·拉诺斯 :
建立西班牙语医学词典的第一步,包括语言和语义信息。 152-164 王新迪 , 罗伯特·默瑟 :
在MeSH术语索引中纳入图形标题和描述性文本。 165-175 哈查特里安 , 莉莉特·内尔西扬 , 卡伦·汉巴德祖曼 , 蒂格兰·高尔斯蒂安(Tigran Galstyan) , 安娜·哈科比扬 , 阿森·阿拉克利安 , 安德烈·雷哲茨基 , Aram Galstyan公司 :
BioRelEx 1.0:生物关系提取基准。 176-190 希思·古德鲁姆 , 梅格纳·古达拉 , 安基塔·米斯拉 , 柯克·罗伯茨 :
从药物标签和LactMed中提取泌乳框架。 191-200 纳塔莉亚·维亚尼 , 海格勒·蒂索特 , 阿丽亚娜·贝纳迪诺 , 苏米思拉·维卢皮莱 :
为时间线重建在临床笔记中注释时间信息:朝向日历表达式的定义。 201-210 利奥尼·格伦 , 安·贝特尔斯 , 克里斯·海伦 :
利用子语言特征对临床术语进行语义分类。 211-216 Hichem Mezaoui公司 , 伊苏鲁·古纳塞卡拉 , 亚历克桑德·贡查罗夫 :
使用上下文化嵌入增强医学文本中的PIO元素检测。 217-222 法比奥·洛佩斯 , 塞萨尔·特谢拉 , 雨果·冈萨洛·奥利维拉 :
葡萄牙语临床命名实体识别贡献。 223-233 赵东燕 , 塞雷娜·杰布莱 , 格雷姆·赫斯特 :
人物嵌入能提高口头尸检叙述的死因分类吗? 234-239 王子旭 , 朱莉娅·伊芙 , 苏米思拉·维卢皮莱 , 露西娅·斯佩西亚 :
人工数据对生物医学自然语言处理算法有用吗? 240-249 圆和田 , 马伟成 , 费霞 , 严嵩 :
ChiMed:中国医学问答语料库。 250-260 莎拉·威格列夫 , 爱德华·崔 , 谢莉·燕(Sherry Yan) , 孙继萌 , 雅各布·艾森斯坦 :
文档级编码的临床概念提取。 261-272 西里尔·格鲁因 , 纳塔莉亚·格拉巴 , 文森特·克莱沃 , 蒂埃里·阿蒙 :
NLP临床病例报告。 273-282 刘殿波 , 德米特里·德利加赫 , 蒂莫西·米勒 :
两阶段联合表型和患者表征学习。 283-291 Manolis Kyriakakis公司 , 离子安德洛索普洛斯 , 阿图尔·索达巴耶夫 , Joan Ginés i Ametllé :
因果句检测的迁移学习。 292-297 Sotiris Kotitsas公司 , 迪米特里斯·帕帕斯 , 离子安德洛索普洛斯 , 瑞恩·T·麦克唐纳 , 玛丽安娜·阿皮迪亚纳基 :
通过联合编码网络结构和文本节点描述符嵌入生物医学本体。 298-308 阿纳伊斯·科普蒂恩 , 雷米·卡登 , 纳塔莉亚·格拉巴 :
简化引发的转换:类型学和一些特征。 309-318 马克·诺伊曼 , 丹尼尔·金 , 伊兹·贝尔塔基 , 瓦利德·阿马尔 :
ScispaCy:生物医学自然语言处理的快速和健壮模型。 319-327 翟泽南 , Dat Quoc Nguyen先生 , Saber A.Akhondi公司 , 卡米洛·索恩 , 克里斯蒂安·德鲁肯布罗特 , 特雷弗·科恩 , 哥里 , 卡琳·维斯普尔 :
使用上下文化单词嵌入改进专利中的化学命名实体识别。 328-338 哈桑·阿尔胡扎利 , 索菲亚·阿纳尼亚杜 :
通过使用情绪分析和转移学习改进药物不良反应的分类。 339-347 高拉夫·瓦希什 , Jan-Niklas Voigt-Antons公司 , 迈克尔·米哈伊洛夫 , 罗兰·罗勒 :
使用分布式概念表示探索生物医学知识的历时性变化。 348-358 安娜·科洛列娃 , 帕特里克·帕鲁贝克 :
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。 359-369 阿斯玛·本·阿巴查 , 柴塔尼亚·希瓦德 , 迪娜·德默尔·福斯曼 :
MEDIQA 2019关于文本推理、问题蕴涵和问题回答的共享任务概述。 370-379 魏朱 , 周晓峰 , 王克强 , 荀罗 , 谢鹏·李 , 袁妮 , 谢国通 :
2019年MEDIQA大会上的PANLP:预训练语言模型、迁移学习和知识提炼。 380-388 赫曼特·普加利亚 , 卡兰·萨克塞纳 , 谢法利·加格 , Sheetal沙利尼 , Prashant Gupta公司 , 埃里克·尼伯格 , Teruko Mitamura公司 :
五角大楼在MEDIQA 2019:使用语言推理和问题蕴涵过滤和重新分类答案的多任务学习。 389-398 徐一冲 , 刘晓东 , 李春元 , 海丰潭 , 高剑锋 :
2019年MEDIQA双转移:医学领域自然语言理解的多源转移学习。 399-405 Jiin Nam公司 , Seunghyun Yoon先生 , 郑京敏 :
浏览MEDIQA 2019:通过采用预训练语言模型提高临床领域自然语言推理的性能。 406-414 吴兆峰 , 严嵩 , 黄思聪 , 圆和田 , 费霞 :
WTMED在MEDIQA 2019:生物医学自然语言推理的混合方法。 415-426 Cemil Cengiz公司 , 乌拉斯·塞特 , 丹尼斯·尤雷 :
2019年MEDIQA大会上的KU_ai:针对医学NLI的特定领域的预培训和转移学习。 427-436 周慧伟 , 李雪飞 , 姚伟红 , 成坤朗 , 施贤宁 :
2019年MEDIQA大会上的DUT-NLP:一个对抗性多任务网络,用于联合建模识别问题隐含和问题回答。 437-445 周慧伟 , 比尊雷 , 刘哲 , 刘庄(音) :
2019年MEDIQA会议上的DUT-BIM:利用变压器网络和医疗领域特定上下文表示进行问题回答。 446-452 Vinayshekhar Bannihatti Kumar公司 , 阿什温·斯里尼瓦桑 , 阿迪蒂·乔杜里 , 詹姆斯·路德 , Teruko Mitamura公司 , 埃里克·尼伯格 :
2019年MEDIQA的Quad博士:使用语境化表征实现文本推理和问题蕴涵。 453-461 Sai Abishek Bhaskar公司 , 拉希·龙塔 , 詹姆斯·路德 , 埃里克·尼伯格 , Teruko Mitamura公司 :
2019年MEDIQA会议上的Sieg:生物医学推断和推断的多任务神经集成。 462-470 普拉哈尔·夏尔马 , 苏梅赫·罗伊乔杜里 :
IIT-KGP在MEDIQA 2019:使用Sci-BERT与梯度提升分类器叠加识别问题隐含。 471-477 文森特·阮 , 萨夫纳兹·卡里米 , 振兴 :
ANU-CSIRO在MEDIQA 2019:使用深层背景知识回答问题。 478-487 萨希尔·乔普拉 , 安基塔·古普塔 , 阿努帕马·考希克 :
MSIT_SRIB在MEDIQA 2019:临床领域自然语言推理的知识导向多任务框架。 488-492 诺哈·S·陶菲克 , 马可·斯普鲁特 :
UU_TAILS在MEDIQA 2019:学习医学领域的文本蕴涵。 493-499 威廉·R·卡恩斯 , 刘伟信(Wilson Lau) , 杰森·托马斯 :
UW-BHI在MEDIQA 2019:医学自然语言推理的表示方法分析。 500-509 卡迈勒·拉杰·卡纳卡拉扬 , Suriyadeepan Ramamoorthy公司 , Vaidheeswaran Archana公司 , 索汉·查特吉 , 马莱卡南·桑卡拉苏布 :
2019年MEDIQA的萨马研究:预先训练的BioBERT,用于医学自然语言推理的注意力可视化。 510-516 Dibyanayan Bandyopadhyay公司 , 巴班增益 , 塔尼克·赛克 , 阿西夫·埃克贝尔 :
2019年MEDIQA上的IITP:自然语言推理、问题蕴涵和问题回答系统报告。 517-522 安德烈·拉莫里亚斯 , 弗朗西斯科·库托 :
2019年MEDIQA大会上的LasigeBioTM:使用双向变形金刚和命名实体识别进行生物医学问答。 523-527 李隆浩 , 一路 , 陈伯翰 , 李柏磊 , 郭开施 :
NCUEE在MEDIQA 2019:使用集合BERT-BiLSTM-注意模型进行医学文本推断。 528-532 阿努梅哈·阿格拉瓦尔 , 罗莎·安尼尔·乔治 , 塞尔万·苏尼萨·拉维 , Sowmya Kamath公司 , 阿南德 :
ARS_NITK在MEDIQA 2019上:分析自然语言推理、识别问题蕴涵和医疗问答系统的各种方法。 533-540
![](https://dblp.uni-trier.de/img/cog.dark.24x24.png)