融合对比学习与提示学习的医学关系抽取系统_医学自然语言处理与知识图谱_2026年课程设计.docxVIP

  • 0
  • 0
  • 约2.31万字
  • 约 28页
  • 2026-11-22 发布于北京
  • 举报

融合对比学习与提示学习的医学关系抽取系统_医学自然语言处理与知识图谱_2026年课程设计.docx

PAGE1

摘要

医学文献中以自然语言描述的药物与疾病之间关系,是药物警戒、药物重定位和临床决策支持等下游任务的基础数据来源。这类关系目前主要依靠人工标注获得,标注成本高、覆盖面窄,导致可用标注数据规模远小于文献总量,监督信号稀缺成为医学关系抽取的核心瓶颈。

本课题面向化学物质—疾病(CDR)与药物—蛋白质(ChemProt)两类关系,设计并实现了融合对比学习与提示学习的医学关系抽取算法CPRE(Contrastive-PromptRelationExtraction)。算法以PubMedBERT为骨干编码器,将关系分类改写为完形填空式的提示任务,把标签语义通过模板与标签词映射

您可能关注的文档

文档评论(0)

1亿VIP精品文档

相关文档