基于远程或弱监督在 CORD-19 上的综合命名实体识别
计算与语言
2020-04-17 v5 人工智能
信息检索
摘要
我们在 COVID-19 开放研究数据集挑战（CORD-19）语料库（2020-03-13）上创建了此 CORD-NER 数据集，用于综合命名实体识别（NER）。该 CORD-NER 数据集涵盖 75 种细粒度实体类型：除常见生物医学实体类型（如基因、化学品和疾病）外，还涵盖许多明确与 COVID-19 研究相关的新实体类型（如冠状病毒、病毒蛋白、进化、材料、底物和免疫反应），这可能有益于对 COVID-19 相关病毒、传播机制和潜在疫苗的研究。CORD-NER 标注是四种来源结合不同 NER 方法的组合。CORD-NER 标注质量超越 SciSpacy（基于一组样本文档的 F1 分数高出 10% 以上），后者是一种全监督 BioNER 工具。此外，CORD-NER 支持通过添加数十个种子作为输入示例，按需增量添加新文档以及添加新实体类型。我们将基于 CORD-19 语料的增量更新及我们系统的改进持续更新 CORD-NER。
引用
@article{arxiv.2003.12218,
title = {Comprehensive Named Entity Recognition on CORD-19 with Distant or Weak Supervision},
author = {Xuan Wang and Xiangchen Song and Bangzheng Li and Yingjun Guan and Jiawei Han},
journal= {arXiv preprint arXiv:2003.12218},
year = {2020}
}