Using contrastive learning and large language models on biomedical information extraction

İnsan bilgisinin hacmi olağanüstü bir hızla arttıkça, özel bir alanda bile mevcut çok çeşitli bilgileri tam olarak anlamak ve kullanmak giderek zorlaşmaktadır. Biyotıp alanı, her yıl yayınlanan ve türler, hastalıklar ve kimyasallar hakkında yeni anlayışlara katkıda bulunan binlerce araştırma makalesiyle buna örnek teşkil etmektedir. Bu büyüme, ilgili verilerin insan kapasitesinin ötesinde bir ölçekte çıkarılmasını ve kullanılmasını mümkün kılmak için Doğal Dil İşleme teknikleriyle birleştirilmiş etkili Bilgi Erişim sistemlerine yönelik büyük bir ihtiyaç yaratmıştır. Biyotıpta Etkili Bilgi Erişimi, birbiriyle bağlantılı birçok zorluğun çözülmesini içeren, yayınlanmış araştırmaların ayrıntılı düzeyde anlaşılmasını gerektirmektedir. Her Biyomedikal özet için varlıkları tanımak, bu varlıkları standartlaştırılmış tanımlayıcılarla normalleştirmek ve farklı varlık türleri arasındaki ilişkileri çıkarmak gerekmektedir. Bu görevlerin tamamlanması, bilginin yapılandırılmış bir temsilini kolaylaştırmakta ve karmaşık Biyomedikal bilgileri bilimsel ve klinik uygulamalar için daha erişilebilir hale getirmektedir. Biz bu çalışmada, mevcut bir normalleştirme aracı olan BioNEN [1]'nin performansını Karşılaştırmalı Öğrenme tekniklerini dahil ederek araştırıyor ve geliştiriyoruz. Varlık tanımayı geliştirmek için sözlüklerin, Karşılaştırmalı Öğrenmenin ve Büyük Dil Modellerinin (LLM'ler) entegrasyonunu araştırıyoruz ve varlıklar arasındaki ilişkileri çıkarmak için LLM'lerin kullanımını inceliyoruz. Sonuç olarak, Biyomedikal özetlerdeki varlıkları tanımlamak ve normalleştirmek ve ilişkileri etkili bir şekilde çıkarmak, böylece Biyomedikal Bilgi Erişim sistemlerinin kapasitesinin geliştirilmesini sağlamak için tasarlanmış geliştirilmiş bir aracı sizlere sunuyoruz.