27、文本间隐藏信息挖掘：RBL 方法的探索与实践

文本间隐藏信息挖掘：RBL 方法的探索与实践

1. 语言模型与 RBL 的局限性

在提升模型常识能力方面，设定有效目标至关重要，双向上下文和更大的训练集则是额外的助力。不过，当前模型在需要推理步骤的任务上表现欠佳。语言模型对于读取字里行间的信息（RBL）价值有限，因为它们只能确定实际文本中最可能出现的关键词，而这些关键词与隐藏的思想关联较弱，隐藏思想往往独特且具体。

以基于 GPT - 2 的内容生成为例，给定一个种子文本，生成的内容虽然流畅连贯，但其中的实体及其属性是随机且错误的，尽管它们属于正确的药物描述领域。

2. 叙事话语方法在医疗环境中的应用

叙事理论和创造性表达的训练对医疗环境中的有效沟通大有益处。医学生和执业医生正在学习故事创作，以及它在与患者和同事关系中所起的作用。

叙事能力已成为一个新领域，是医生的关键能力之一，叙事医学也为现代医学教育技术做出了贡献。叙事能力的实践指南包括对文本的“精读”，考虑讲故事者如何将叙事形式与经验相结合。叙事特征如时间、空间、声音、隐喻和体裁等，单独来看有其特点，但在实践中它们共同作用，使故事更独特，整体效果大于各部分之和。

叙事评论在医学教育中广泛应用于多种基于评分者的评估。但由于写作风格的独特性以及字面意义和预期意义之间的脱节，解读可能会很困难。学生通过逻辑推理来理解评估报告中的叙事评论，他们似乎共享一种“隐藏代码”的理解。这种 RBL 能力有助于对医学生进行分类和评分，但也可能导致不同的解读。计算语言学的语用学和礼貌理论可以解释这种隐含代码在临床评估中是如何形成和维持的。

3. RBL 评估方法

主要评估任务是为文本生成 R