论文浅尝 | emrKBQA: 一个面向临床医疗问答的KBQA数据集

2021 年 7 月 11 日 开放知识图谱

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


背景与动机

电子病历EHRs和临床记录Clinics note在医疗过程中常常被作为临床诊断决策的支撑材料,因此,使机器理解和学习这些资料用于临床决策辅助是一个明确的未来趋势。

在以往的研究中,基于临床记录的emrQA问答数据集(2018)被提出,通过一个半自动的问题生成过程,这个数据集涵盖接近1M的问答对以及问题-逻辑结构对。

但是emrQA仅仅是利用到了临床记录这一资源,而没有充分利用EHRs,作者认为,一个完整的临床医疗问答系统应该同时利用好上述这两个资源。

因此,本文作者提出emrKBQA用于补充这一空白。

MIMIC-III KB被用作emrKBQA的知识库资源,如图1所示,左侧列出了该数据集中一些问题(和复述)的例子,右侧则是知识库里的答案形式。


数据集构建

根据论文的描述,emrKBQA的建立过程可以描述为以下步骤(半自动,如图4):

1.从emrQA获取初始问题

2.从初始问题中挖空(使用slot替换原本的实体,slot放置该实体对应的类别标签)形成模板template(提问形式)

3.医疗专家参与实体类别归纳

4.构建提问类型的逻辑形式

5.归并具有相同逻辑形式的提问形式(互为复述)

6.向template中填入合适的实体,得到问题/复述



这里作者根据答案的特点将问题类型分为三种:事实,是非和时间,实际问题中可能同时涵盖这三类中的一个或多个。

图2列出了:各实体大类中问题类型的分布情况

生成的问题如表1所示:


问题-逻辑形式-问题类型-答案类型如表2所示:


任务定义和模型

作者明确给出了本数据集对应的任务定义:

建模,对输入的知识库相关的问题,给出对应的答案


模型分为两个过程:

1.语义解析->逻辑结构

参照Gu et al, 2016的工作建立了一个seq2seq模型


2.逻辑结构->答案

具体为一组连续的映射构建(基于序列相似性得到):

问题->Template->SQL template->logical form


评价方式包含两个:

1.语义解析过程使用EM(Exact Match),即模型输出与标注结果相同算正例

2.答案生成过程使用Denotation Accuracy,即答案和逻辑结构均与标注结果相同算正例


实验结果如表3所示

作者进一步做了一些错误分析,如下表:



 

OpenKG


OpenKG(中文开放知识图谱)旨在推动以中文为核心的知识图谱数据的开放、互联及众包,并促进知识图谱算法、工具及平台的开源开放。

点击阅读原文,进入 OpenKG 网站。

登录查看更多
1

相关内容

数据集,又称为资料集、数据集合或资料集合,是一种由数据所组成的集合。
Data set(或dataset)是一个数据的集合,通常以表格形式出现。每一列代表一个特定变量。每一行都对应于某一成员的数据集的问题。它列出的价值观为每一个变量,如身高和体重的一个物体或价值的随机数。每个数值被称为数据资料。对应于行数,该数据集的数据可能包括一个或多个成员。
面向知识图谱的知识推理综述
专知会员服务
149+阅读 · 2021年11月1日
开放领域知识图谱问答研究综述
专知会员服务
61+阅读 · 2021年10月30日
【WWW2021】用于常识知识提取的高级语义
专知会员服务
11+阅读 · 2021年2月16日
专知会员服务
193+阅读 · 2020年10月14日
专知会员服务
18+阅读 · 2020年10月13日
【阿里技术论文】AliMe KBQA:阿里小蜜中的结构化知识问答
专知会员服务
82+阅读 · 2019年12月14日
知识图谱本体结构构建论文合集
专知会员服务
106+阅读 · 2019年10月9日
论文浅尝 | 基于时序知识图谱的问答
开放知识图谱
7+阅读 · 2021年12月1日
论文浅尝 | 问题多样性对于问答的帮助
开放知识图谱
0+阅读 · 2021年8月26日
论文浅尝 | 面向开放域的无监督实体对齐
开放知识图谱
1+阅读 · 2021年8月24日
论文浅尝 | XQA:一个跨语言开放域问答数据集
开放知识图谱
25+阅读 · 2019年9月11日
论文浅尝 | 基于知识库的神经网络问题生成方法
开放知识图谱
19+阅读 · 2019年6月21日
论文浅尝 | 面向单关系事实问题的中文问答模型
开放知识图谱
28+阅读 · 2019年2月11日
论文浅尝 | 问题生成(QG)与答案生成(QA)的结合
开放知识图谱
16+阅读 · 2018年7月15日
论文浅尝 | 使用变分推理做KBQA
开放知识图谱
13+阅读 · 2018年4月15日
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Towards Fine-grained Causal Reasoning and QA
Arxiv
0+阅读 · 2022年4月15日
VIP会员
相关VIP内容
面向知识图谱的知识推理综述
专知会员服务
149+阅读 · 2021年11月1日
开放领域知识图谱问答研究综述
专知会员服务
61+阅读 · 2021年10月30日
【WWW2021】用于常识知识提取的高级语义
专知会员服务
11+阅读 · 2021年2月16日
专知会员服务
193+阅读 · 2020年10月14日
专知会员服务
18+阅读 · 2020年10月13日
【阿里技术论文】AliMe KBQA:阿里小蜜中的结构化知识问答
专知会员服务
82+阅读 · 2019年12月14日
知识图谱本体结构构建论文合集
专知会员服务
106+阅读 · 2019年10月9日
相关资讯
论文浅尝 | 基于时序知识图谱的问答
开放知识图谱
7+阅读 · 2021年12月1日
论文浅尝 | 问题多样性对于问答的帮助
开放知识图谱
0+阅读 · 2021年8月26日
论文浅尝 | 面向开放域的无监督实体对齐
开放知识图谱
1+阅读 · 2021年8月24日
论文浅尝 | XQA:一个跨语言开放域问答数据集
开放知识图谱
25+阅读 · 2019年9月11日
论文浅尝 | 基于知识库的神经网络问题生成方法
开放知识图谱
19+阅读 · 2019年6月21日
论文浅尝 | 面向单关系事实问题的中文问答模型
开放知识图谱
28+阅读 · 2019年2月11日
论文浅尝 | 问题生成(QG)与答案生成(QA)的结合
开放知识图谱
16+阅读 · 2018年7月15日
论文浅尝 | 使用变分推理做KBQA
开放知识图谱
13+阅读 · 2018年4月15日
相关基金
国家自然科学基金
12+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
7+阅读 · 2012年12月31日
国家自然科学基金
4+阅读 · 2010年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Top
微信扫码咨询专知VIP会员