BioAug：基于条件生成的低资源生物医学NER数据增强
计算与语言
2023-05-19 v1 人工智能
信息检索
摘要
生物医学命名实体识别（BioNER）是从生物医学文本中识别命名实体的基础任务。然而，由于标注所需的高度专业和专家知识，BioNER遭受严重的数据稀缺并缺乏高质量标注数据。尽管数据增强已被证明对一般低资源NER非常有效，现有数据增强技术无法为BioNER生成事实性和多样性兼备的增强数据。本文提出BioAug，一种面向低资源BioNER的新颖数据增强框架。BioAug基于BART构建，训练以解决基于选择性掩码和知识增强的新颖文本重建任务。训练后，我们执行条件生成，并以类似于训练阶段的选择性损坏文本为条件生成多样化增强数据。我们在5个基准BioNER数据集上展示了BioAug的有效性，表明BioAug以显著优势（1.5%-21.5%绝对提升）优于所有基线，并能生成更具事实性和多样性的增强数据。代码：https://github.com/Sreyan88/BioAug。
引用
@article{arxiv.2305.10647,
title = {BioAug: Conditional Generation based Data Augmentation for Low-Resource Biomedical NER},
author = {Sreyan Ghosh and Utkarsh Tyagi and Sonal Kumar and Dinesh Manocha},
journal= {arXiv preprint arXiv:2305.10647},
year = {2023}
}
备注
SIGIR 2023