BiLSTM-CRF 模型中 CNN 与 LSTM 字符级嵌入在化学与疾病命名实体识别中的比较
计算与语言
2018-08-28 v1
摘要
我们比较了在 BiLSTM-CRF 模型中使用基于 LSTM 和基于 CNN 的字符级词嵌入来处理化学与疾病命名实体识别（NER）任务。在 BioCreative V CDR 语料库上的实证结果表明，在 BiLSTM-CRF 模型中结合使用任一类型的字符级词嵌入都能带来可比的 SOTA 性能。然而，使用基于 CNN 的字符级词嵌入的模型具有计算性能优势，相比基于词的模型仅增加 25% 的训练时间，而基于 LSTM 的字符级词嵌入使所需训练时间增加一倍以上。
引用
@article{arxiv.1808.08450,
title = {Comparing CNN and LSTM character-level embeddings in BiLSTM-CRF models for chemical and disease named entity recognition},
author = {Zenan Zhai and Dat Quoc Nguyen and Karin Verspoor},
journal= {arXiv preprint arXiv:1808.08450},
year = {2018}
}
备注
In Proceedings of the 9th International Workshop on Health Text Mining and Information Analysis (LOUHI 2018), to appear