基于 PubMedBERT 并结合数据增强策略的推文药物提及检测分类器
计算与语言
2021-12-07 v1 机器学习
摘要
作为一个主要的社交媒体平台，Twitter 每日发布大量用户生成文本（推文）。挖掘此类数据可用于解决通过其他手段不可行的社会、公共卫生和应急管理问题。许多文本挖掘流程中的一个关键步骤是命名实体识别（NER），其对推文数据提出了一些特殊挑战，包括非标准表达、极度不平衡的类别以及缺乏上下文信息等。BioCreative 挑战 VII（BC7）的 track 3 旨在评估检测推文中药物提及的方法。本文报告我们在 BC7 track 3 上的工作，其中我们探索了一个基于 PubMedBERT 的分类器，并使用多种数据增强方法的组合进行训练。我们的方法取得了 0.762 的 F1 分数，显著高于所有提交结果的平均值（0.696）。
引用
@article{arxiv.2112.02998,
title = {A PubMedBERT-based Classifier with Data Augmentation Strategy for Detecting Medication Mentions in Tweets},
author = {Qing Han and Shubo Tian and Jinfeng Zhang},
journal= {arXiv preprint arXiv:2112.02998},
year = {2021}
}