新语料 PubMedCausal 支持跨度级生物医学因果抽取评测。
资讯摘要
论文提出 PubMedCausal，一个基于 PubMed 摘要构建的跨度级生物医学因果关系抽取语料，含 3 万条段落级数据、3,945 条因果行和 6,491 个经裁定的因果对，每条关系标注完整因果跨度、因果类型与句内/跨句属性。作者在检测与抽取任务上评测判别式编码器与开源生成模型：PubMedBERT 检测 F1 为 0.7391，DeepSeek-R1-32B 少样本抽取的 Cosine Pair F1 为 0.6765，并测试了跨数据集迁移。
要点速读
- 语料含 30,000 条段落级行、3,945 条因果行与 6,491 个经裁定的因果对，标注完整因果跨度、因果类型和句内/跨句属性。
- 因果检测中 PubMedBERT 的 F1 达 0.7391；跨度抽取中 DeepSeek-R1-32B 少样本提示的 Cosine Pair F1 为 0.6765。
- 作者报告类别不平衡、长因果跨度、隐式因果、跨句关系和提示敏感性仍是难点，并公开代码与数据。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。