- Notifications
You must be signed in to change notification settings - Fork0
詳細なアノテーション基準に基づく症例報告コーパスからの固有表現及び関係の抽出精度の推論を行うコード
License
NotificationsYou must be signed in to change notification settings
aih-uth/joint-information-extraction-hs
Folders and files
| Name | Name | Last commit message | Last commit date | |
|---|---|---|---|---|
Repository files navigation
詳細なアノテーション基準に基づく症例報告コーパスからの固有表現及び関係の抽出精度 (The Accuracy of Entity and Relation Extraction from Case Reports)
これは第41回医療情報学連合大会にて発表した「詳細なアノテーション基準に基づく症例報告コーパスからの固有表現及び関係の抽出精度」のGoogle Colaboratory上で動作する推論用のデモコードです。
- 本リポジトリをダウンロードして解凍する。
- ファイル名をJoint_Inferenceへ変更する。
- 解凍したファイルをGoogle Driveのマイドライブの直下にアップロードする。
- inference.ipynbを開いて実行する (必要なファイルが自動でダウンロードされるので、Google Driveの空き容量にご注意ください)。
本モデルは症例報告コーパスに掲載されるiCorpus_202108に含まれる、182症例2,172文を用いて学習を行ったものです。
モデルの詳細は詳細抄録を、コーパスの詳細は[7]をご確認ください。
本コードを参照する場合は以下の論文を引用してください。
柴田 大作, 河添 悦昌, 篠原 恵美子, 嶋本 公徳. 詳細なアノテーション基準に基づく症例報告コーパスからの固有表現及び関係の抽出精度. 第41回医療情報学連合大会, pp. XXX-YYY, 2021.[1] Eberts, Markus, and Adrian Ulges. "Span-based joint entity and relation extraction with transformer pre-training." arXiv preprint arXiv:1909.07755 (2019).[2] Zhang, Xingxing, Jianpeng Cheng, and Mirella Lapata. "Dependency parsing as head selection." arXiv preprint arXiv:1606.01280 (2016).[3] pytorch_multi_head_selection_re, https://github.com/WindChimeRan/pytorch_multi_head_selection_re[4] SpERT: Span-based Entity and Relation Transformer, https://github.com/lavis-nlp/spert[5] pytorch-crf: https://pytorch-crf.readthedocs.io/en/stable/[6] deepdep: https://github.com/tatsuokun/deepdep[7] 篠原 恵美子, 河添 悦昌, 柴田 大作, 嶋本 公徳, 関 倫久. 医療テキストに対する網羅的な所見アノテーションのためのアノテーション基準の構築. 第25回日本医療情報学春季学術大会.About
詳細なアノテーション基準に基づく症例報告コーパスからの固有表現及び関係の抽出精度の推論を行うコード
Resources
License
Uh oh!
There was an error while loading.Please reload this page.
Stars
Watchers
Forks
Releases
No releases published
Packages0
No packages published
Contributors2
Uh oh!
There was an error while loading.Please reload this page.