Brundlefly 在 SemEval-2016 任务 12：循环神经网络与联合推理在临床时间信息提取中的比较
计算与语言
2016-06-07 v1
摘要
我们向 SemEval-2016 任务 12：Clinical TempEval 挑战赛提交了两个系统，参与了第一阶段（识别临床笔记中时间和事件表达的文本片段）和第二阶段（预测事件与其父文档创建时间之间的关系）。对于时间实体提取，我们发现，使用结构化预测的基于联合推理的方法优于普通的循环神经网络，后者纳入了在多种大型临床文档集上训练的词嵌入。对于文档创建时间关系，我们发现，结合日期规范化与用于预测事件和时间表达关系的远程监督规则能够改善分类效果，尽管提升有限，这可能是由于训练数据规模较小所致。
引用
@article{arxiv.1606.01433,
title = {Brundlefly at SemEval-2016 Task 12: Recurrent Neural Networks vs. Joint Inference for Clinical Temporal Information Extraction},
author = {Jason Alan Fries},
journal= {arXiv preprint arXiv:1606.01433},
year = {2016}
}
备注
NAACL HLT 2016, SemEval-2016 Task 12 submission