LongBEL: 긴 문맥 및 문서 일관성을 갖춘 생물 의학 개체 연결 (Biomedical Entity Linking)

생물 의학 개체 연결 (Biomedical entity linking)은 텍스트 언급 (mention)을 UMLS 또는 SNOMED CT와 같은 구조화된 지식 베이스 (knowledge bases)의 개념 (concepts)으로 매핑하는 작업입니다. 대부분의 기존 시스템은 언급 또는 그 주변 문장만을 사용하여 각 언급을 독립적으로 연결합니다. 이는 동일한 문서 내 언급들 사이의 의존성을 무시하며, 특히 동일한 개념이 서로 다른 표면형 (surface forms)으로 나타날 때 일관되지 않은 예측으로 이어질 수 있습니다. 우리는 전체 문서 문맥 (full-document context)과 이전 예측의 메모리 (memory)를 결합한 문서 수준의 생성 프레임워크 (document-level generative framework)인 LongBEL을 소개합니다. 이 메모리를 견고하게 만들기 위해, LongBEL은 골드 레이블 (gold labels) 대신 교차 검증된 예측 (cross-validated predictions)을 사용하여 학습되며, 이를 통해 학습과 추론 사이의 불일치를 줄이고 연쇄 오류 (cascading errors)를 제한합니다. 영어, 프랑스어, 스페인어의 5개 생물 의학 벤치마크 (benchmarks)에 대한 실험 결과, LongBEL은 문장 수준의 생성형 베이스라인 (sentence-level generative baselines)보다 성능이 향상되었으며, 특히 문서 내에서 개념이 빈번하게 재발하는 데이터셋에서 가장 큰 이득을 보였습니다. 로컬 (local), 글로벌 (global), 메모리 기반 (memory-based) 변형 모델의 앙상블 (ensemble)은 모든 벤치마크에서 최고의 결과를 달성했습니다. 추가 분석에 따르면 가장 큰 성능 향상은 재발하는 개념에서 발생하며, 이는 LongBEL이 고립된 언급의 모호성 해소 (mention disambiguation)보다는 주로 문서 수준의 일관성 (document-level consistency)을 개선함을 시사합니다.