來自：HyperAI超神經(jīng)

微軟的研究團(tuán)隊(duì)近日在 arxiv.org 發(fā)布了論文：《Domain-Specific Language Model Pretraining for BiomedicalNatural Language Processing生物醫(yī)學(xué)特定領(lǐng)域的語言模型預(yù)訓(xùn)練》，介紹并開源了一個(gè)能夠用于生物醫(yī)學(xué)領(lǐng)域 NLP 基準(zhǔn)，并命名為 BLURB。

BiomedicalLanguageUnderstanding andReasoningBenchmark 的首字母縮寫，即為 BLURB 的命名規(guī)則，翻譯為生物醫(yī)學(xué)語言理解和推理基準(zhǔn)。

醫(yī)學(xué) NLP 基準(zhǔn)，BLURB 身負(fù)重任

BLURB 包括 13 個(gè)公開可用的數(shù)據(jù)集，涉及 6 個(gè)不同的任務(wù)。

為了避免偏重多可用數(shù)據(jù)集的任務(wù)，如命名實(shí)體識別（NER），BLURB 的報(bào)告和排名，將所有任務(wù)的宏觀平均數(shù)作為主要得分。

圖為 BLURB 中使用的數(shù)據(jù)集、以及

團(tuán)隊(duì)列出的訓(xùn)練、開發(fā)和測試中的實(shí)例數(shù)量

BLURB 排行榜是不分模型的。任何能夠使用相同的訓(xùn)練和開發(fā)數(shù)據(jù)產(chǎn)生測試預(yù)測的系統(tǒng)都可以參與。

團(tuán)隊(duì)表示 BLURB 的主要目標(biāo)是：降低生物醫(yī)學(xué)NLP的準(zhǔn)入門檻，幫助加快該領(lǐng)域的進(jìn)展，能對社會和人類產(chǎn)生積極影響。

生物醫(yī)學(xué) NLP ：必須使用域內(nèi)文本

研究已經(jīng)表明生物醫(yī)學(xué) NLP 可以在醫(yī)學(xué)領(lǐng)域提高數(shù)據(jù)集的準(zhǔn)確性。但是在跨學(xué)科的數(shù)據(jù)集中，準(zhǔn)確性又會大大降低。而由于不同醫(yī)學(xué)領(lǐng)域之間（Domain）跨度較大，所以對于 NLP 的預(yù)訓(xùn)練會花費(fèi)非常多的時(shí)間。

微軟研究人員為了提升 NLP 的訓(xùn)練速度，通過對預(yù)訓(xùn)練和特定任務(wù)的微調(diào)，對生物醫(yī)學(xué) NLP 應(yīng)用的影響進(jìn)行了建模比較，從而評估最適合的預(yù)訓(xùn)練方法。

團(tuán)隊(duì)對域內(nèi)文本與混合域外文本進(jìn)行的對照

首先，團(tuán)隊(duì)創(chuàng)建了一個(gè)名為「生物醫(yī)學(xué)語言理解與推理基準(zhǔn)」（BLURB）的基準(zhǔn)，該基準(zhǔn)側(cè)重于 PubMed 提供的出版物，涵蓋了相似問題解答和文本提取之類的任務(wù)。

實(shí)驗(yàn)證明，這種對比的方法能夠?qū)?NLP 訓(xùn)練的速度提升數(shù)倍。

同時(shí)，為了鼓勵對生物醫(yī)學(xué) NLP 的研究，研究人員創(chuàng)建了以 BLURB 基準(zhǔn)為基準(zhǔn)的排行榜，還開源了預(yù)訓(xùn)練模型。以求快速生物醫(yī)學(xué) NLP 能夠早日投入使用。

原文標(biāo)題：醫(yī)學(xué)AI又一突破，微軟開源生物醫(yī)學(xué)NLP基準(zhǔn)：BLURB

文章出處：【微信公眾號：深度學(xué)習(xí)自然語言處理】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。

責(zé)任編輯：haq