基于对比上下文匹配的 biomedical 实体链接
计算与语言
2021-06-16 v2
摘要
我们提出 BioCoM，一种用于 biomedical 实体链接的对比学习框架，其仅使用两种资源：一个小规模词典和大量原始 biomedical 文章。具体而言，我们通过词典匹配从原始 PubMed 文章中构建训练实例，并用它们以对比学习训练一个上下文感知的实体链接模型。我们在推理时通过最近邻搜索预测归一化的 biomedical 实体。结果发现，BioCoM 大幅优于当前最优模型，尤其在低资源设定下，通过有效利用实体的上下文实现。
引用
@article{arxiv.2106.07583,
title = {Biomedical Entity Linking with Contrastive Context Matching},
author = {Shogo Ujiie and Hayate Iso and Eiji Aramaki},
journal= {arXiv preprint arXiv:2106.07583},
year = {2021}
}