Named Entity Recognition in Korean Clinical Reports Using BERT-based Approaches :의사소견서 데이터를 이용한 버트 기반의 한국어 의료 개체명 인식 연구

김민주

추천

검색

자료유형: 학위논문

저자정보: 김민주 (연세대학교, 연세대학교 일반대학원)

지도교수: 송민

발행연도: 2023

저작권: 연세대학교 논문은 저작권에 의해 보호받습니다.

이용수19

초록· 키워드

개체명인식은 자연어이해의 가장 중요한 작업 중 하나로 코퍼스에서 각 개체의 유형을 인식하는 작업이다. 텍스트에서 정보추출이나 지식획득을 목표로 할 때에 본문에서 개체명을 식별 및 추출하여 카테고리화하는 과정을 거치면 텍스트를 다양한 목적에 적용할 수 있도록 구조화시킬 수 있다. 개체명 인식을 수행하는 방법에는 규칙 기반부터 딥 러닝 기반 시스템에 이르기까지 다양한 접근 방식이 있다. 그 중에서도 딥 러닝 기반 접근 방식이 주류를 차지하고 있으며 많은 개체명인식 실험에서 state-of-the-art의 성능을 보여주고 있지만, 일부 측면에서는 비용이 꽤 많이 든다는 특징이 있다. 특히 딥러닝 기반 방식은 데이터 양이 모델의 성능과 직결되기 때문에 어노테이션과 데이터 수집에 많은 인력과 시간을 필요로 한다. 영어와 중국어 같은 일부 주요 언어의 경우에는 고품질 개체명인식 시스템을 구성하기에 충분한 양의 어노테이션 데이터셋과 모델이 존재한다. 그러나 이러한 데이터와 모델의 부재로 한계를 겪고 있는 언어들도 여전히 존재한다. 최근에는 의료 분야에서 데이터의 디지털화로 환자 건강정보를 전자문서 형태로 포함하는 전자건강기록 데이터에 대한 수요와 공급이 모두 증가하고 있다. 이러한 변화와 개체명 인식 기술을 통해 의료 분야의 디지털 데이터를 약물 부작용의 감지, 진단의 분류 등을 포함한 수많은 응용 분야로 확장하고 적용시킬 수 있다. 다만 한국어 의료 개체명인식 분야의 경우 공개된 의료 데이터나 사전 훈련된 모델의 부재로 활용 및 응용연구개발에 어려움을 겪고 있다. 본 연구에서는 의사소견서를 사용하여 개체명인식 작업에 사용될 수 있는 어노테이션 데이터를 구성하고 이를 개체명인식 및 추출 작업에 적용함으로써 다양한 실험과 분석을 시도하고 가장 적합한 모델을 고찰한다. 본 논문은 한국어 전자건강기록 데이터로 진행되는 첫 의학 개체명 추출 연구가 될 것이며 향후 한국어 의료 개체명 인식 및 추출 연구에 참고 및 도움이 될 수 있다.

Named Entity Recognition (NER) is one of the most primary tasks in Natural Language Understanding (NLU). Unstructured free natural language text becomes structured text which can be applied for more diverse purposes by identifying, extracting, and categorizing named entities in the text when aiming for information extraction or knowledge acquisition from a text.
There exist various approaches in NER including from a rule-based to a deep-learning-based system. Among them, the deep-learning-based approach has been mainstream and showed state-of-the-art performance in many NER tasks, but it is quite costly in some aspects. Especially, the deep-learning-based method requires a lot of manpower and time for annotation and data collection because the amount of data is directly related to performance in deep learning.
In addition, some languages have a large amount of annotated dataset and model that is sufficient for constructing a high-quality NER system. However, there still exist some languages that are experiencing limitations due to the lack of annotated data.
Recently, with the digitization of data in the medical field, both demand and supply for Electronic Health Records data, which involves patient health information in the form of electronic documents rather than paper charts, are increasing. This also can be expanded to numerous applications including detection of adverse drug effects, classification of diagnosis, etc. through the NER process.
However, in the field of Korean clinical NER, there are some limitations since it is hard to find an open-source clinical dataset or pre-trained model.
In this study, by constructing an NE-annotated dataset using medical reports and applying it to the NER Task, varied experiments and analyses are attempted and the most suitable model is considered.
This paper will be the first Clinical NER research conducted with the Korean Electronic Health Record dataset and can be referred and helped for Korean medical NER research in the future.

#Clinical Named Entity Recognition #Pre-trained Language Models #Electronic Health Records

Table of Content
Acknowledgements iv
List of Tables iv
List of Figures v
Abstract vi
1. Introduction 1
2. Related Works 4
2.1. Named Entity Recognition (NER) 4
2.2. NER in Clinical Domain 6
2.2.1. Clinical Dataset for NER task 6
2.2.2. NER approaches in Clinical domain 8
3. Discussion on Clinical Named Entity Recognition 10
3.1. Unstructured free text format 10
3.2. Lack of domain-specific annotated corpus and NER model in certain language 12
3.3. Unclear and nested entities 12
4. Dataset 13
5. Annotation 13
5.1. Annotation guidelines 14
5.2. Inter-Annotator Agreement (IAA) 15
5.3. Entity Types 17
5.4. Annotation corpus statistics and Results 18
6. Experiment 20
6.1. BERT-based Approaches 20
6.1.1. BERT 20
6.1.2. RoBERTa 21
6.1.3. ELECTRA 22
6.2. Experiment metrics 22
6.3. Experiment settings 24
7. Result 27
7.1. Result of experiments 27
7.2. Analysis on predicted data 30
8. Conclusion 34
References 36
Abstract in Korean 39

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

목차

최근 본 자료

댓글(0)