研究人员开发了LongBEL,一个新颖的生物医学实体链接框架,它利用了全文上下文和先前预测的记忆。与独立处理提及的现有系统不同,LongBEL旨在通过考虑文档级别的依赖关系来提高一致性。该系统使用交叉验证的预测进行训练,以减轻推理过程中可能出现的级联问题导致的错误。在多种语言的五个生物医学基准上的实验证明了LongBEL的有效性,特别是在概念在单个文档中频繁重复的数据集上。 AI
影响 这个新框架可以提高生物医学文献信息提取的准确性和一致性。
排序理由 该项目是一篇学术论文,详细介绍了一种新的生物医学实体链接方法。[lever_c_demoted from research: ic=1 ai=1.0]
- Adam Remaki
- alphaXiv
- arXivLabs
- Bibliographic Explorer
- CatalyzeX Code Finder for Papers
- Connected Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- Litmaps
- LongBEL
- ScienceCast
- scite Smart Citations
- SNOMED CT
- Unified Medical Language System
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →