Kümeleme ve metin benzerliği kullanarak biyomedikal varlık ismi normalizasyonu

Tıp literatüründe her gün kapsamlı biyomedikal metinler birikmektedir. Biyolojik varlıkların doğru bir şekilde bulunması, biyomedikal araştırmaların yanı sıra tıbbi teşhis ve tedavi için de çok önemlidir ve sağlık hizmetlerinde önemli ilerlemeler vaat etmektedir. Bir metindeki varlıkların tanınması olan Adlandırılmış Varlık Tanıma ve varlıkların karşılık gelen tanımlayıcılarıyla ilişkilendirilmesi olan Adlandırılmış Varlık Normalleştirme, doğal dil işleme alanında halen araştırılmakta olan iki ilgili görevdir. Bu görevler biyolojik ve tıbbi veri tabanlarındaki verilerin bütünlüğünü sağlamak için önemlidir. Tıbbi metinlerdeki biyomedikal varlıkları biyomedikal ontolojilerdeki veya sözlüklerdeki karşılık gelen tanımlayıcılarla normalleştirmek, yerelleştirme, beklenmedik kısaltmalar ve eşanlamlılar gibi faktörlerle daha da karmaşıklaşan büyük bir zorluktur. Benzer kelimeler farklı varlıklara karşılık geldiğinde ve tersine, sözcüksel olarak farklı varlıklar aynı kimliğe sahip olduğunda bu zorluk daha da artmaktadır. Bu tezde, biyolojik varlıkları bir ontoloji veya sözlükteki karşılık gelen tanımlayıcılarıyla eşleştiren bir NEN sistemi öneriyoruz. Yöntemimiz, BERT tabanlı bağlamsal kelime vektör temsillerini ve varlık normalleştirmek için söz öbeği benzerliklerini kullanarak metin benzerliği ile birlikte bir kümeleme yaklaşımı kullanmaktadır. Daha karmaşık denetimli yaklaşımlara kıyasla hastalık ve semptom normalizasyonu için kıyaslama veri kümelerinde umut verici sonuçlar elde edilmiştir. Sonuçlar, basitliğine rağmen, önerdiğimiz yaklaşımın adlandırılmış varlık normalizasyonu için etkili olduğunu ve farklı dillere ve alanlara verimli bir şekilde uyarlanabileceğini göstermektedir.