Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
ATZ-Fachkongress

Chassis.tech plus 2024


4 Kongresse in einer Veranstaltung

Treffen Sie in München die Fachleute von Chassis, Lenkung, Bremsen sowie Reifen/Räder.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Improving BERT-based Query-by-Document Retrieval with Multi-task Optimization Kapitel lesen Erstes Kapitel lesen

2022 | OriginalPaper | Buchkapitel

Medical Entity Linking in Laypersons’ Language

verfasst von : Annisa Maulida Ningtyas

Erschienen in: Advances in Information Retrieval

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Due to the vast amount of health-related data on the Internet, a trend toward digital health literacy is emerging among laypersons. We hypothesize that providing trustworthy explanations of informal medical terms in social media can improve information quality. Entity linking (EL) is the task of associating terms with concepts (entities) in the knowledge base. The challenge with EL in lay medical texts is that the source texts are often written in loose and informal language. We propose an end-to-end entity linking approach that involves identifying informal medical terms, normalizing medical concepts according to SNOMED-CT, and linking entities to Wikipedia to provide explanations for laypersons.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Multimodal Retrieval in E-Commerce
Nächstes Kapitel A Topical Approach to Capturing Customer Insight Dynamics in Social Media
Fußnoten
1
The paper was presented in Forum for Information Retrieval Evaluation (FIRE) 2021 conference.
 
Literatur
1.
Basaldella, M., Liu, F., Shareghi, E., Collier, N.: COMETA: a corpus for medical entity linking in the social media. In: Proceedings of the 2020 Conference on EMNLP, pp. 3122–3137. ACL, November 2020
2.
Donnelly, K.: Snomed-ct: the advanced terminology and coding system for ehealth. Stud. Health Technol. Inf. 121, 279–290 (2006)
3.
Eurobarometer: European citizens’ digital health literacy. A report to the European Commission (2014)
4.
Fage-Butler, A.M., Nisbeth Jensen, M.: Medical terminology in online patient-patient communication: evidence of high health literacy? Health Expect. 19(3), 643–653 (2016)CrossRef
5.
Fage-Butler, A.M., Jensen, M.N.: The interpersonal dimension of online patient forums: How patients manage informational and relational aspects in response to posted questions. HERMES-J. Lang. Commun. Bus. 51, 21–38 (2013)
6.
Hedderich, M.A., Lange, L., Adel, H., Strötgen, J., Klakow, D.: A survey on recent approaches for natural language processing in low-resource scenarios. arXiv preprint arXiv:​2010.​12309 (2020)
7.
Karimi, S., Metke-Jimenez, A., Kemp, M., Wang, C.: Cadec: a corpus of adverse drug event annotations. J. Biomed. Inform. 55, 73–81 (2015)CrossRef
8.
Kolitsas, N., Ganea, O.E., Hofmann, T.: End-to-end neural entity linking. In: Proceedings of the 22nd Conference on CoNLL, pp. 519–529. ACL, Brussels, Belgium, October 2018
9.
Limsopatham, N., Collier, N.: Adapting phrase-based machine translation to normalise medical terms in social media messages. In: Proceedings of the 2015 Conference on EMNLP, pp. 1675–1680. ACL, Lisbon, Portugal, September 2015
10.
Limsopatham, N., Collier, N.: Normalising medical concepts in social media texts by learning semantic representation. In: Proceedings of the 54th Annual Meeting of the ACL, pp. 1014–1023. ACL, Berlin, Germany, August 2016
11.
Miftahutdinov, Z., Tutubalina, E.: Deep neural models for medical concept normalization in user-generated texts. In: Proceedings of the 57th Annual Meeting of the ACL: Student Research Workshop, pp. 393–399. ACL, Florence, Italy, July 2019
12.
Pattisapu, N., Anand, V., Patil, S., Palshikar, G., Varma, V.: Distant supervision for medical concept normalization. J. Biomed. Inform. 109, 103522 (2020)CrossRef
13.
Polepalli Ramesh, B., Houston, T., Brandt, C., Fang, H., Yu, H.: Improving patients’ electronic health record comprehension with noteaid. In: MEDINFO 2013, pp. 714–718. IOS Press (2013)
14.
Scepanovic, S., Martin-Lopez, E., Quercia, D., Baykaner, K.: Extracting medical entities from social media. In: Proceedings of the ACM Conference on Health, Inference, and Learning, CHIL 2020, pp. 170–181. ACM, New York (2020)
15.
Seiffe, L., Marten, O., Mikhailov, M., Schmeier, S., Möller, S., Roller, R.: From witch’s shot to music making bones - resources for medical laymen to technical language and vice versa. In: Proceedings of the 12th LREC, pp. 6185–6192. ELRA, Marseille, France, May 2020
16.
Tutubalina, E., Miftahutdinov, Z., Nikolenko, S., Malykh, V.: Medical concept normalization in social media posts with recurrent neural networks. J. Biomed. Inform. 84, 93–102 (2018)CrossRef
17.
Wei, J., Zou, K.: EDA: easy data augmentation techniques for boosting performance on text classification tasks. In: Proceedings of the 2019 Conference on EMNLP and the 9th EMNLP-IJCNLP. pp. 6382–6388. ACL, Hong Kong, China, November 2019
18.
Zolnoori, M., et al.: The psytar dataset: from patients generated narratives to a corpus of adverse drug events and effectiveness of psychiatric medications. Data Brief 24, 103838 (2019)
Metadaten
Titel
Medical Entity Linking in Laypersons’ Language
verfasst von
Annisa Maulida Ningtyas
Copyright-Jahr
2022
Buch
Advances in Information Retrieval

Print ISBN: 978-3-030-99738-0

Electronic ISBN: 978-3-030-99739-7

Copyright-Jahr: 2022

DOI
https://doi.org/10.1007/978-3-030-99739-7_63