@MASTERSTHESIS{ 2022:1028893153,
 	title = {Extra??o de informa??o em evolu??es cl?nicas e integra??o com dados farmacogen?micos},
 	year = {2022},
 	url = "https://tede2.pucrs.br/tede2/handle/tede/10359",
 	abstract = "A Extra??o de Informa??o (EI) abrange uma s?rie de tarefas de Processamento de Linguagem Natural (PLN). Entre elas, o Reconhecimento de Entidades Nomeadas (REN) ? uma tarefa que busca identificar as Entidades Nomeadas de um texto, tais como nomes de pessoas, locais e organiza??es, classificado-as em um conjunto pr?-definido de categorias. Nesta disserta??o pretendemos utilizar t?cnicas e ferramentas de PLN para a tarefa de REN no dom?nio Biom?dico em Portugu?s. Portanto, realizamos a constru??o de um corpus espec?fico e propomos dois modelos baseados em redes neurais capazes de processar o texto inclu?do em evolu??es cl?nicas: BERT e uma rede neural convolucional (CNN). Al?m disso, foi introduzido um novo mecanismo para incorporar conhecimento farmacogen?mico que sirva como base para auxiliar na decis?o cl?nica. Os resultados mostram uma melhoria das medidas do modelo BERT em compara??o ? CNN e demonstram que os modelos baseados em Transformers s?o promissores para o avan?o do desempenho de m?todos de extra??o de informa??o para entidades no dom?nio Farmacol?gico em Portugu?s. O Reconhecimento de Entidades Nomeadas em evolu??es cl?nicas est? ganhando popularidade por melhorar os projetos de extra??o cl?nica. Este estudo permitiu ? comunidade que trabalha com PLN, no contexto cl?nico, obter uma an?lise formal dessa tarefa, incluindo as formas mais bem-sucedidas de realiz?-la.",
 	publisher = {Pontif?cia Universidade Cat?lica do Rio Grande do Sul},
 	scholl = {Programa de P?s-Gradua??o em Ci?ncia da Computa??o},
 	note = {Escola Polit?cnica}
}