지역 정보를 활용한 이중 생물 의학 개체 연결

Neighborhood-Aware Dual Biomedical Entity Linking

생물 의학 개체 연결은 임상 및 과학 문헌에 나타나는 단어들을 체계적인 구조를 가진 전문가 지식 베이스(KB)의 개체들과 연결하는 작업으로, 문헌 전체 수준의 정보 추출 및 환자 기록 정규화와 같은 후속 응용 분야를 지원합니다. 이 작업은 여러 가지 어려움을 동시에 가지고 있습니다. 즉, KB에는 많은 수의 개체가 포함되어 있고, 언급되는 단어들은 종종 모호하며, 정확한 레이블은 각 코퍼스에 특정한 주석 규칙을 따릅니다. 이러한 문제점들을 해결하기 위해, 우리는 지역 정보를 활용하는 세 단계로 구성된 프레임워크인 PILOT를 제안합니다. 이 프레임워크는 언급되는 단어와 KB 측면 모두에서 온톨로지 구조를 활용하여 언급되는 단어를 재구성하고 개체 임베딩을 통합하는 방식으로 검색을 수행합니다. 검색된 결과를 표면 형태와 문맥, 두 가지 상호 보완적인 관점에서 평가하고, 이들을 결합합니다. PILOT는 널리 사용되는 다섯 개의 표준 데이터셋에서 평균적으로 최고 성능을 달성했으며, 추론 과정에서도 효율성을 유지합니다.

Biomedical entity linking grounds mentions in clinical and scientific text to entities in a curated knowledge base (KB) with ontological structure, which supports downstream applications such as literature-scale information extraction and patient-record normalization. The task has several challenges at once: the KB contains large numbers of entities, mentions are often ambiguous, and gold labels follow annotation conventions specific to each corpus. To address these challenges, we propose PILOT, a three-stage framework made up of neighborhood-aware retrieval, dual reranking, and score fusion. The retriever injects ontological structure from both the query and KB side, by reformulating mentions and pooling entity embeddings. The retrieved pool is then scored from two complementary views, one over surface forms and one over context, and fused together. PILOT achieves the state of the art on average across five widely-used benchmarks and remains efficient at inference.