Cargando...
Fecha
2026-03-01
Derechos de acceso
info:eu-repo/semantics/openAccess
Título de la revista
ISSN de la revista
Título del volumen
Editorial
Sociedad Española para el Procesamiento del Lenguaje Natural
Citas
Resumen
This work focuses on the automatic recognition of location entities in Spanish clinical reports, using the MEDDOPLACE challenge (IberLEF 2023) as the experimental framework. We evaluated both general-domain pre-trained models and biomedical-specific models. Furthermore, we explored data augmentation techniques via back-translation and LLM-based paraphrase generation. Our results outperform previous state-of-the-art approaches, demonstrating the effectiveness of combining these data augmentation strategies with pre-trained clinical domain models.
Este trabajo se centra en el reconocimiento automático de entidades de lugar en informes clínicos en espa˜nol, utilizando el desafío MEDDOPLACE (Iber-LEF 2023) como marco experimental. Evaluamos tanto modelos preentrenados de dominio general como modelos específicos del ´ámbito biomédico. Además, exploramos técnicas de aumento de datos mediante traducción inversa y generación de paráfrasis basada en LLM. Nuestros resultados superan los enfoques previos del estado del arte, demostrando la eficacia de combinar estas estrategias de aumento de datos con modelos preentrenados del dominio clínico.
Este trabajo se centra en el reconocimiento automático de entidades de lugar en informes clínicos en espa˜nol, utilizando el desafío MEDDOPLACE (Iber-LEF 2023) como marco experimental. Evaluamos tanto modelos preentrenados de dominio general como modelos específicos del ´ámbito biomédico. Además, exploramos técnicas de aumento de datos mediante traducción inversa y generación de paráfrasis basada en LLM. Nuestros resultados superan los enfoques previos del estado del arte, demostrando la eficacia de combinar estas estrategias de aumento de datos con modelos preentrenados del dominio clínico.
Descripción
The registered version of this article, first published in “Procesamiento del Lenguaje Natural, v. 76, p. 123-134", is available online at the publisher's website: http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/6835
La versión registrada de este artículo, publicado por primera vez en “Procesamiento del Lenguaje Natural, v. 76, p. 123-134", está disponible en línea en el sitio web del editor: http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/6835
La versión registrada de este artículo, publicado por primera vez en “Procesamiento del Lenguaje Natural, v. 76, p. 123-134", está disponible en línea en el sitio web del editor: http://journal.sepln.org/sepln/ojs/ojs/index.php/pln/article/view/6835
Categorías UNESCO
Palabras clave
location entity recognition, data augmentation, medical domain, domain-specific language models, reconocimiento de entidades de lugar, aumento de datos, dominio médico, modelos de lenguaje de dominio espec´ıfico
Citación
Garitano, Irati; Martínez, Raquel. Enhancing Location Entity Recognition in Spanish Medical Texts by Leveraging Domain Language Models and Data Augmentation. Procesamiento del Lenguaje Natural, [S.l.], v. 76, p. 123-134, mar. 2026
Centro
Escuela Técnica Superior de Ingeniería Informática
Departamento
Lenguajes y Sistemas Informáticos