用于检索增强生成中生物医学信息提取的可配置语义分块

BioMedRAG 引入了检索增强生成和学习块评分器，用于生物医学信息提取。然而，它依赖于固定大小的分块，这可能会碎片化语义证据。我们提出了一种可配置的语义分块框架，通过结合实体保留窗口、以触发器为中心的分块、命题优先提取、分层触发优先级和分层关系解析来解决这一限制。该框架与 BioMedRAG 集成，仅替换块构建阶段，同时保留嵌入模型、学习块评分器、生成器和评估协议。我们评估生物医学关系提取基准（GM-CIHT、DDI、ChemProt）和不良事件分类（ADE）的框架。在 GM-CIHT 上，完全混合配置实现了 82.6% F1，在我们的实验设置下比固定尺寸基线 (74.2% F1) 提高了 8.4 个点。跨数据集分析表明，语义分块通过明确的关系线索（例如 GM-CIHT 和 DDI）改进了提取数据集，而固定分块对于密集生化提取和二元分类设置（例如 ChemProt 和 ADE）仍然具有竞争力或更强。通过将分块逻辑外部化到配置文件中，该框架为生物医学 RAG 管道提供了一种可解释且适应性强的替代方案，替代严格的固定大小分块。