基于聚类的生物医学实体链接推断
计算与语言
2021-04-12 v2
摘要
由于生物医学知识库中的实体数量庞大，仅有小部分实体拥有相应的标注训练数据。这使得实体链接模型必须能够利用学习到的实体表示来链接未见过实体的提及。先前的方法独立链接每个提及，忽略了实体提及在文档内与跨文档的关系。这些关系对链接生物医学文本中的提及非常有用，因为由于提及具有通用或高度专门化形式，链接决策往往困难。在本文中，我们引入一种模型，其中链接决策不仅可通过链接到知识库实体做出，还可通过聚类将多个提及分组并联合做出链接预测。在最大公开可用生物医学数据集上的实验中，我们将实体链接的最佳独立预测准确率提高了 3.0 个百分点，且我们基于聚类的推断模型进一步将实体链接提高了 2.3 个百分点。
引用
@article{arxiv.2010.11253,
title = {Clustering-based Inference for Biomedical Entity Linking},
author = {Rico Angell and Nicholas Monath and Sunil Mohan and Nishant Yadav and Andrew McCallum},
journal= {arXiv preprint arXiv:2010.11253},
year = {2021}
}
备注
NAACL 2021 Long Paper