BAMBUROVÁ, Michaela a Zuzana NEVĚŘILOVÁ. Structured Information Extraction from Pharmaceutical Records. In Aleš Horák, Pavel Rychlý, Adam Rambousek. Proceedings of the Thirteenth Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2019. Brno: Tribun EU, 2019, s. 55-62. ISBN 978-80-263-1530-8.
Další formáty:   BibTeX LaTeX RIS
Základní údaje
Originální název Structured Information Extraction from Pharmaceutical Records
Autoři BAMBUROVÁ, Michaela (703 Slovensko, domácí) a Zuzana NEVĚŘILOVÁ (203 Česká republika, domácí).
Vydání Brno, Proceedings of the Thirteenth Workshop on Recent Advances in Slavonic Natural Language Processing, RASLAN 2019, od s. 55-62, 8 s. 2019.
Nakladatel Tribun EU
Další údaje
Originální jazyk angličtina
Typ výsledku Stať ve sborníku
Obor 10200 1.2 Computer and information sciences
Stát vydavatele Česká republika
Utajení není předmětem státního či obchodního tajemství
Forma vydání tištěná verze "print"
WWW URL
Kód RIV RIV/00216224:14330/19:00111627
Organizační jednotka Fakulta informatiky
ISBN 978-80-263-1530-8
ISSN 2336-4289
UT WoS 000604899800007
Klíčová slova anglicky structured information extraction; table understanding; entity recognition
Změnil Změnil: Mgr. Michal Petr, učo 65024. Změněno: 16. 5. 2022 15:23.
Anotace
The paper presents an iterative approach to understanding semi-structured or unstructured tabular data with pharmaceutical records. Thetask is to split records with entities such as drug name, dosage strength,dosage form, and package size into the appropriate columns. The data isprovided by many suppliers, and so it is very diverse in terms of structure.Some of the records are easy to parse using regular expressions; othersare difficult and need advanced methods. We used regular expressionsfor the easy-to-parse data and conditional random fields for the morecomplex records. We iteratively extend the training data set using theabove methods together with manual corrections. Currently, the F1 scorefor correct classification into 5 classes is 95%.
Návaznosti
EF16_013/0001781, projekt VaVNázev: LINDAT/CLARIN - Výzkumná infrastruktura pro jazykové technologie - rozšíření repozitáře a výpočetní kapacity
LM2015071, projekt VaVNázev: Jazyková výzkumná infrastruktura v České republice (Akronym: LINDAT-Clarin)
Investor: Ministerstvo školství, mládeže a tělovýchovy ČR, Projekt LINDAT-Clarin - Vybudování a provoz českého uzlu pan-evropské infrastruktury pro výzkum
VytisknoutZobrazeno: 25. 4. 2024 16:25