可配置语义分块改进生物医学RAG信息抽取
原文：Configurable Semantic Chunking for Biomedical Information Extraction in Retrieval-Augmented Generation
BioMedRAG引入了带学习式分块评分器的检索增强生成方法，用于生物医学信息抽取。然而，它依赖固定大小分块，可能割裂语义证据。我们提出一个可配置的语义分块框架，通过结合实体保持窗口、触发词中心分块、命题优先抽取、分级触发词优先级和层次化关系消解来解决这一局限。该框架与BioMedRAG集成，仅替换分块构建阶段，同时保留嵌入模型、学习式分块评分器、生成器和评估协议。我们在生物医学关系抽取基准（GM-CIHT、DDI、ChemProt）和不良事件分类（ADE）上评估该框架。在GM-CIHT上，完整混合配置在我们的实验设置下达到82.6%的F1，较固定大小基线（74.2% F1）提升8.4个百分点。跨数据集分析表明，语义分块改进了具有明确关系线索的抽取数据集（如GM-CIHT和DDI），而对于ChemProt和ADE等密集生化抽取和二元分类场景，固定分块仍具竞争力甚至更强。通过将分块逻辑外化到配置文件中，该框架为生物医学RAG流程提供了一种可解释、可适配的替代方案，取代僵硬的固定大小分块。作者：Riya Ahuja, Tim Kacprowski, Roya Shiasi Sardoabi 分类：cs.CL,cs.IR