연구진은 167,034건의 PMC-Patients 내러티브를 활용한 임상 NLP 파이프라인에서 추론 시간 패턴 메모리 게이팅을 연구했어요.
초기 실험에서 검증기의 거부 데이터를 직접 학습하는 방식은 실패했지만, 고정된 임상 온톨로지를 활용한 규칙은 49,734건의 온톨로지 위반 관계를 포착했어요.
5가지 질문 답변 필터 중 4가지가 실패했는데, 성공한 필터는 환자의 추출된 개체가 질문을 뒷받침하는지 확인하는 방식으로 검증기의 거부 가능성을 1.84배 높였어요.
연구 결과, 사전 생성 게이트가 선택적인지 여부는 검증기가 사용하는 증거를 테스트하는지 여부에 따라 결정되며, 모든 필터는 검증기가 사용하는 증거를 테스트해야 효과적이에요.