Key points are not available for this paper at this time.
생물 의학 텍스트는 일반적으로 네 가지 수사적 범주로 나타낼 수 있습니다: 소개, 방법, 결과 및 토론 (IMRAD). 이러한 범주로 문장을 분류하는 것은 다른 텍스트 마이닝 작업에 도움이 될 수 있습니다. MEDLINE 초록의 문장을 IMRAD 범주로 자동으로 분류하기 위해 여러 접근 방식이 적용된 많은 연구가 있지만, 전체 텍스트 생물 의학 기사에 나타나는 문장의 분류를 탐구한 연구는 거의 없습니다. 우리는 먼저 전체 텍스트 생물 의학 기사에서 문장을 IMRAD 형식으로 신뢰성 있게 주석을 달 수 있는지 평가한 다음, 이러한 문장을 IMRAD 범주로 자동으로 분류하기 위한 다양한 접근 방식을 탐구했습니다. 우리의 결과는 전반적인 주석 일치율이 82.14%이고 Kappa 점수가 0.756임을 보여줍니다. 가장 우수한 분류 시스템은 수동으로 주석이 달린 데이터에 대해 훈련된 다항 나이브 베이즈 분류기로, 91.95%의 정확도와 91.55%의 평균 F-점수를 달성하여 기준 시스템보다 상당히 높은 성과를 보였습니다. 이 시스템의 웹 버전은 온라인(http://wood.ims.uwm.edu/fullₜextclassifier/)에서 이용 가능합니다.
Agarwal et al. (Fri,)는 이 질문을 연구했습니다.