基于参考集增强自助法的生物医学命名实体识别
机器学习
2019-06-04 v1 计算与语言
机器学习
摘要
我们提出一种弱监督数据增强方法，以改进具有挑战性领域中的命名实体识别（NER）：从科学文献中抽取生物医学实体（如蛋白质）。首先，我们在一小组完全标注的 seed 样本上训练一个神经 NER（NNER）模型。其次，我们使用实体名称的参考集（如 UniProt 中的蛋白质）在未标注语料上以高精度但低召回识别实体提及。第三，我们使用 NNER 模型为语料分配弱标签。最后，我们在增强训练集（包括 seed、参考集样本与弱标签样本）上迭代地重新训练我们的 NNER 模型，从而提升模型性能。我们通过实证表明该增强自助过程显著改进了 NER 性能，并讨论了影响该方法有效性的因素。
引用
@article{arxiv.1906.00282,
title = {Biomedical Named Entity Recognition via Reference-Set Augmented Bootstrapping},
author = {Joel Mathew and Shobeir Fakhraei and José Luis Ambite},
journal= {arXiv preprint arXiv:1906.00282},
year = {2019}
}
备注
5 pages, 1 Figure, 2 Table, ICML 2019 Workshop on Computational Biology