影响生物医学命名实体识别准确性的外部因素
计算与语言
2023-05-30 v1
摘要
生物医学命名实体识别（NER）是一项关键任务，旨在从临床文本中识别结构化信息，这类文本通常包含大量复杂专业术语且变异性极高。准确可靠的 NER 有助于提取和分析重要的生物医学信息，从而改进包括医疗系统在内的下游应用。然而，由于标注数据需要高度专业知识、大量时间与费用，数据可用性有限，生物医学领域的 NER 颇具挑战。本文在有限数据条件下，探索了多种外部因素，包括语料标注方案、数据增强技术、半监督学习以及 Brill 变换，以提升一个 NER 模型在临床文本数据集（i2b2 2012, \citet{sun-rumshisky-uzuner:2013}）上的性能。实验表明，这些方法可将模型的 F1 分数从原始的 73.74 显著提升至 77.55。我们的发现表明，在数据规模受限的生物医学领域，综合考虑不同外部因素并组合这些技术，是提升 NER 性能的一种可行途径。
引用
@article{arxiv.2305.18152,
title = {Extrinsic Factors Affecting the Accuracy of Biomedical NER},
author = {Zhiyi Li and Shengjie Zhang and Yujie Song and Jungyeul Park},
journal= {arXiv preprint arXiv:2305.18152},
year = {2023}
}