在生物医学命名实体识别任务上比较与组合几种常用 NER 方法
计算与语言
2023-05-31 v1 机器学习
摘要
我们比较了三种简单且流行的 NER 方法:1) SEQ(带线性词元分类器的序列标注);2) SeqCRF(带条件随机场的序列标注);3) SpanPred(利用边界词元嵌入的跨度预测)。我们在 4 个生物医学 NER 任务上比较这些方法:GENIA、NCBI-Disease、LivingNER(西班牙语)和 SocialDisNER(西班牙语)。SpanPred 模型在 LivingNER 和 SocialDisNER 上取得了最优性能,分别提升 F1 1.3 和 0.6。SeqCRF 模型同样在 LivingNER 和 SocialDisNER 上取得最优性能,分别提升 F1 0.2 和 0.7。SEQ 模型在 LivingNER 数据集上与最优性能相当。我们探索了组合这三种方法的若干简单方式。我们发现多数投票在所有 4 个数据集上一致地给出高精度和高 F1。最后,我们实现了一个学习组合 SEQ 与 SpanPred 预测的系统,生成的系统在全部 4 个数据集上一致地给出高召回率和高 F1。在 GENIA 数据集上,我们发现所学组合系统相较被组合系统显著提升了 F1(+1.2)与召回率(+2.1)。我们在 https://github.com/flyingmothman/bionlp 发布了复现所有系统所需的完备文档代码。
引用
@article{arxiv.2305.19120,
title = {Comparing and combining some popular NER approaches on Biomedical tasks},
author = {Harsh Verma and Sabine Bergler and Narjesossadat Tahaei},
journal= {arXiv preprint arXiv:2305.19120},
year = {2023}
}
备注
Accepted to the ACL BioNLP Workshop, 2023