论文介绍了emrKBQA，一个基于MIMIC-III KB的大规模临床医疗问答数据集，包含约940K条目和389种提问类型。研究者构建了一个基准模型，通过语义解析预测问题逻辑结构，再用逻辑结构生成SQL查询以找到答案。数据集和benchmark旨在促进结构化病历记录的问答系统发展。
笔记整理 | 谭亦鸣，东南大学博士生
来源：BioNLP ’21 workshop, ACL ‘21
链接：https://www.aclweb.org/anthology/2021.bionlp-1.7.pdf
论文主要包含两个部分的核心工作：emrKBQA数据集，对应的benchmark。基于MIMIC-III KB，本文提出了一个面向临床医疗问答的KBQA数据集，emrKBQA，规模约为940K，包含389种提问类型，每种类型有约7.5种复述表达。为了验证数据集的质量，作者建立了一个benchmark，其模型流程可以大体描述为：通过语义解析预测问题逻辑结构，而后借助逻辑结构构建SQL查询指向答案。
贡献
论文建立了emrKBQA，第一个面向结构化病历记录的大规模社区共享问答数据集
数据集能够用于建模，解决基于结构化HER的问题解析及问答
作者为基于结构化病历记录的问答数据集建立了benchmark
最低0.47元/天 解锁文章
438
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
