为何Amazon Comprehend Medical不同文本的药物实体识别结果存在差异？

你可以通过调整服务配置解决这个问题。

识别差异的原因 #

Amazon Comprehend Medical的默认预训练模型主要基于常规临床叙事文本的句式特征训练：

• 你提交的第一段文本Yesterday, the patient took 200 mg of ibuprofen是临床记录最常见的「患者动作+服用药物」语序，模型很容易识别到宾语位置的ibuprofen为GENERIC_NAME
• 第二段文本ibuprofen is taken 20 mg po daily for 2 times as tablet把药物放在句首作为主语，不符合默认模型训练语料的常见句式特征，因此没有被识别为药物实体

可调整的配置方案 #

• 使用自定义实体识别功能：你可以上传少量标注了对应药物实体的样本数据，训练适配自身业务场景的自定义模型，专门针对这种药物前置的表述做优化，即可实现准确识别。
• 配置自定义词汇表：你可以将ibuprofen这类高频通用名药物添加到自定义词汇列表中，指定对应实体类型为GENERIC_NAME，服务在进行实体识别时会优先匹配你自定义的词汇条目，大幅提升这类场景的识别准确率。
• 轻量化替代方案：如果暂时不想调整服务配置，也可以先对输入文本做简单的预处理，将药物前置的句式调整为常规临床叙事语序后再提交识别，也能快速解决问题。

内容的提问来源于stack exchange，提问作者kurious