基于大语言模型的小样本医学命名实体识别方法研究
Research on Large Language Model-based Few-shot Medical Named Entity Recognition
摘要目的 利用大语言模型实现小样本医学命名实体识别.方法 将医学命名实体识别任务转换为文本生成任务,构造医学命名实体识别特定的提示模板;利用大语言模型在文本生成的过程中生成医学实体的标签序列,从医学文本语料中检索少量相似标注数据作为示例,结合语境学习,从而实现小样本场景下的医学命名实体识别.结果 实验结果显示,采用本方法准确率、召回率和F1值分别达到了50.54%、47.12%和48.77%,均显著优于传统的机器学习算法和深度学习算法;合理使用多条样本作为示例可以进一步提升模型预测性能.结论 本文提出的方法不仅不需要对模型进行参数更新,而且几乎不依赖于数据标注,提升了方法的泛化能力.
更多相关知识
- 浏览9
- 被引0
- 下载4

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文