探索生物医学实体链接中的部分知识库推断
计算与语言
2023-06-06 v3
摘要
生物医学实体链接（EL）由命名实体识别（NER）和命名实体消歧（NED）组成。EL 模型在由预定义知识库（KB）标注的语料库上训练。然而，常见的情况是，只有 KB 中某个子集内的实体对利益相关者而言是宝贵的。我们将此场景命名为部分知识库推断：用一个 KB 训练 EL 模型，并在其部分上推断而无需进一步训练。在这项工作中，我们给出了这一具有实际价值但研究明显不足的场景的详细定义和评估流程，并评估了来自三种代表性 EL 范式的方法。我们构建了部分 KB 推断基准，并观察到由于精确率急剧下降导致的 EL 性能灾难性退化。我们的发现揭示这些 EL 范式不能正确处理不可链接指称（NIL），因此它们对部分 KB 推断不具备鲁棒性。我们还提出了两种简单有效的补救方法来以极少的计算开销应对 NIL 问题。代码发布于 https://github.com/Yuanhy1997/PartialKB-EL。
引用
@article{arxiv.2303.10330,
title = {Exploring Partial Knowledge Base Inference in Biomedical Entity Linking},
author = {Hongyi Yuan and Keming Lu and Zheng Yuan},
journal= {arXiv preprint arXiv:2303.10330},
year = {2023}
}
备注
Accepted by ACL-BioNLP 2023. The first two authors are contributed equally