利用 GLiNER-BioMed 增强生物医学命名实体识别：针对 BioASQ 2025 task 6 的目标化词典后处理
计算与语言
2025-10-13 v1
摘要
生物医学命名实体识别（BioNER），即 BioASQ（大规模生物医学语义索引与问答挑战）task6，对于从科学文献中提取信息至关重要，但面临诸如区分相似实体类型（如基因与化学物质）等挑战。本研究评估了 GLiNER-BioMed 模型在 BioASQ 数据集上的表现，并引入基于目标化词典的后处理策略以解决常见的误分类问题。尽管该后处理方法在开发集上显著提升了 micro F1 分数（从基线 0.79 提升至 0.83），但在盲测集上未能获得 generalization，后处理模型的 micro F1 为 0.77，低于基线的 0.79。我们还讨论了探索替代方法（如条件随机场）所获的见解。这一工作凸显了基于词典的细化对预训练 BioNER 模型的潜在价值，但强调了对开发数据过拟合的关键挑战以及确保实际应用中鲁棒 generalization 的必要性。
引用
@article{arxiv.2510.08588,
title = {Enhancing Biomedical Named Entity Recognition using GLiNER-BioMed with Targeted Dictionary-Based Post-processing for BioASQ 2025 task 6},
author = {Ritesh Mehta},
journal= {arXiv preprint arXiv:2510.08588},
year = {2025}
}
备注
Paper published to CLEF 2025 CEUR-WS