使用神经序列到序列模型的化合物名称标准化
计算与语言
2019-01-23 v1
摘要
化学信息抽取是将文本中的化学知识转换为真实化学数据库，这是一项严重依赖化合物名称识别与标准化的文本处理任务。一旦给出化合物的系统名称，就能自然且非常简单地将该名称转换为最终所需的分子式。然而，对于许多化学物质，除系统名称外它们还以许多其他名称出现，这给该任务带来了巨大挑战。在本文中，我们提出一个框架，通过使用拼写错误纠正、字节对编码分词和神经序列到序列模型，从非系统名称自动标准化为相应的系统名称。我们的框架端到端训练且完全数据驱动。我们在测试数据集上的标准化准确率达到 54.04%，与先前最先进结果相比有显著提升。
引用
@article{arxiv.1901.07003,
title = {Chemical Names Standardization using Neural Sequence to Sequence Model},
author = {Junlang Zhan and Hai Zhao},
journal= {arXiv preprint arXiv:1901.07003},
year = {2019}
}