We propose a system to extract entities and relations from a set of clini- cal records in Italian based on two preced- ing works (Alicante et al., 2016b) and (Al- icante et al., 2016a). This approach does not require annotated data and is based on existing domain lexical resources and un- supervised machine learning techniques.

Proponiamo un sistema per e- strarre entita` e relazioni da un insieme di cartelle cliniche in Italiano basato su due precedenti lavori (Alicante et al., 2016b) e (Alicante et al., 2016a). Questo approc- cio non richiede dati annotati e si basa su risorse lessicali di dominio gia` esistenti e tecniche di apprendimento automatico senza supervisione.

Relation Mining from Clinical Records

Stefano Silvestri
2016

Abstract

We propose a system to extract entities and relations from a set of clini- cal records in Italian based on two preced- ing works (Alicante et al., 2016b) and (Al- icante et al., 2016a). This approach does not require annotated data and is based on existing domain lexical resources and un- supervised machine learning techniques.
2016
Istituto di Calcolo e Reti ad Alte Prestazioni - ICAR - Sede Secondaria Napoli
978-88-99982-08-9
Proponiamo un sistema per e- strarre entita` e relazioni da un insieme di cartelle cliniche in Italiano basato su due precedenti lavori (Alicante et al., 2016b) e (Alicante et al., 2016a). Questo approc- cio non richiede dati annotati e si basa su risorse lessicali di dominio gia` esistenti e tecniche di apprendimento automatico senza supervisione.
Relation Mining
Relation Classification
NLP
Word Embeddings
File in questo prodotto:
Non ci sono file associati a questo prodotto.

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.14243/339300
Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact