Editorial Kedokteran & Kesehatan
Studi komparatif model bahasa terlatih awal untuk pengenalan entitas bernama pada kriteria kelayakan uji klinis dari berbagai korpus
Masalah inti
Inovasi
Studi ini melakukan fine-tuning terhadap enam model transformer terlatih awal untuk klasifikasi token pada tiga korpus kriteria kelayakan uji klinis. Korpus tersebut tidak disebutkan namanya dalam abstrak tetapi merupakan dataset yang sudah ada. Model yang digunakan meliputi:
- **Khusus domain**: BioBERT, BlueBERT, PubMedBERT, SciBERT
- **Umum**: BERT, SpanBERT
Fine-tuning dilakukan dengan pengaturan NER standar, dan evaluasi menggunakan tenfold cross-validation. Kinerja diukur dengan -score. Augmentasi data diselidiki dengan menggabungkan data pelatihan dari berbagai korpus untuk menilai kelayakan pemanfaatan sumber tambahan. Teknik augmentasi yang tepat (misalnya, oversampling, penggantian sinonim) tidak dirinci dalam abstrak, tetapi hasilnya menunjukkan bahwa penggunaan korpus tambahan meningkatkan kinerja NER.
Mengapa penting
Siapa yang sebaiknya membaca
Membuka konten memberโฆ