Türkçe klinik raporlarından ilişki çıkarımı
Relation extraction from Turkish clinical reports
- Tez No: 925844
- Danışmanlar: DOÇ. DR. ŞEBNEM BORA, PROF. DR. OĞUZ DİKENELLİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: 102
Özet
GPT-3 ve BARD gibi Büyük Dil Modelleri (BDM'ler), birçok iyi bilinen doğal dil işleme probleminde güçlü bağlam içi öğrenme (BİÖ) yetenekleri göstermiştir. Bu modeller, önemli ve çeşitli dil teknolojisi gereksinimlerin yanı sıra veri anotasyonuna ilişkin önemli maliyetleri beraberinde getiren klinik alanda ilişki çıkarma gibi görevler için özellikle çekicidir. Bu makalede, ilişki çıkarımı için dinamik örnek alma ile mevcut bağlam içi öğrenme yöntemlerinin kapsamlı bir analizi sunulmaktadır ve Gemini ile klinik ilişki çıkarımı için eğitim setiyle SimCSE'yi (cümle benzerlik modeli) ince ayar yaparak tasarlanmış dinamik bir BİÖ modeli olan Gemini-SimCSE-FT önerilmektedir. Sonuçlarımız, Gemini-SimCSE-FT'nin PURE dahil tüm BERT tabanlı temel modellerden F1 puanında Türkçe için %25.6, İngilizce için %16.6 ve GPT-RE gibi diğer BİÖ modellerinden F1 puanında Türkçe ve İngilizce ikisi için aynı %1.6 daha iyi performans sergilediğini göstermektedir. Daha ileri analizler, veri kümesindeki ilişki türlerinin eşit olmayan dağılımıyla birlikte çok sayıda oldukça benzer örneğin kullanılmasının, özellikle örnek alma zaten etkili olduğunda, her zaman en uygun sonuçları vermediğini ortaya koymaktadır.
Özet (Çeviri)
Large Language Models (LLMs) such as GPT-3 and BARD have demonstrated strong in-context learning (ICL) capabilities across various well-known natural language processing tasks. These models are especially promising for tasks like relation extraction in the clinical domain, which presents complex language technology challenges and substantial costs related to data annotation. In this paper, we provide a comprehensive analysis of existing in-context learning methods with dynamic example retrieval for relation extraction and propose Gemini-SimCSE-FT, a dynamic ICL model designed for clinical relation extraction using Gemini, by fine-tuning SimCSE (sentence similarity model) with our training set. Our findings show that Gemini-SimCSE-FT outperforms all BERT-based baseline models, including PURE, by 25.6% and 16.6% in F1 score for Turkish and English datasets respectively, and outperforms other ICL models, such as GPT-RE, by 1.6% in F1 score for both languages. Further analysis reveals that using a large number of highly similar examples, coupled with an uneven distribution of relation types in the dataset, does not always yield optimal results, especially when example retrieval is already effective.
Benzer Tezler
- Gastrointestinal stromal tümörlerin demografik, klinik ve patolojik özelliklerinin karşılaştırılması
Demographic, clinical and pathological features of patients with gastrointestinal stromal tumors
ELİF MEREV
Tıpta Uzmanlık
Türkçe
2015
OnkolojiTrakya Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. İRFAN ÇİÇİN
- Pulmoner emboli tanısı alan hastalarda sağ ventrikül dilatasyonu ile kan copeptin düzeyi arasındaki ilişki
Relationship between right ventricles dilatation and blood copeptin level in patients with pulmonary thromboembolism
EREN USUL
Tıpta Uzmanlık
Türkçe
2016
Göğüs HastalıklarıSağlık BakanlığıAcil Tıp Ana Bilim Dalı
DOÇ. DR. SEDA ÖZKAN
- Kolorektal kanser nedeniyle opere olan hastalarda ameliyat öncesi CA 19-9 ve CEA düzeyleri ile tümörün histopatolojisi arasındaki ilişki
The relationship between preoperative CA 19-9 and CEA levels and histopathology of tumor in colorectal cancer
HASAN ESAD YAYIN
Tıpta Uzmanlık
Türkçe
2019
Aile HekimliğiSağlık Bilimleri ÜniversitesiAile Hekimliği Ana Bilim Dalı
DOÇ. DR. OKCAN BASAT
- Neoadjuvan kemoterapi almış meme kanserli hastalarda tedavi yanıtının tanı anındaki görüntüleme ve patoloji parametreleri ile tahmini
Predicting treatment response to neoadjuvant chemotherapy in women with breast cancer at initial evaluation using imaging and pathological parameters
ZÜLAL BAHAR
Tıpta Uzmanlık
Türkçe
2021
Radyoloji ve Nükleer TıpMarmara ÜniversitesiRadyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR BUĞDAYCI
- İnflamatuar barsak hastalığı tanısı ile takipli hastalarda eklem tutulumunun değerlendirilmesi
The evaluation of joint involvement in patients followed with the diagnosis of inflammatory bowel disease
ÇİĞDEM KUCUR YÖNET
Tıpta Uzmanlık
Türkçe
2020
İç HastalıklarıNecmettin Erbakan Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. HÜSEYİN ATASEVEN