実世界タスクのために、あまり知られていないエンティティを分類することを可能にする動的なテキスト獲得

Abstract

既存の自然言語処理（NLP）リソースは、多くの場合、実世界の問題に必要なタスク固有の情報を欠いているほか、あまり知られていない、あるいは新しく導入されたエンティティに対するカバー範囲が限定的です。たとえば、事業組織や医療提供者は、特定のアプリケーションタスクに対して、さまざまな分類体系に基づいて分類される必要があるかもしれません。我々の目的は、学習データとしてエンティティ名とゴールドラベルのみを提供することで、ドメインの専門家がエンティティに対するタスク固有の分類器を容易に作成できるようにすることです。その後、我々の枠組みは各エンティティに関する記述テキストを動的に獲得し、それをテキストベースの分類器を生成するための基盤として用います。我々は、ウェブと大規模言語モデル（LLM）の両方を活用する新しいテキスト獲得手法を提案します。提案する枠組みを、異なる領域における2つの分類問題で評価します：（i）事業活動に基づいて組織を分類する標準産業分類（SIC）コードへの分類、（ii）医療提供者の診療科目と実務領域を表す医療提供者のタクソノミコードへの分類です。我々の最良のモデルは、SICコード分類タスクおよび医療タクソノミコード分類タスクにおいて、それぞれマクロ平均F1スコア82.3%および72.9%を達成しました。