FoodChem：一种食物-化学物质关系抽取模型

Gjorgjina Cenikj; Barbara Koroušić Seljak; Tome Eftimov

FoodChem：一种食物-化学物质关系抽取模型

计算与语言 2021-10-11 v2 机器学习

作者: Gjorgjina Cenikj , Barbara Koroušić Seljak , Tome Eftimov

摘要

本文提出 FoodChem，一种用于识别食物实体组成中存在化学物质的新关系抽取（Relation Extraction, RE）模型，基于生物医学同行评审科学文献提供的文本信息。该 RE 任务被视为二分类问题，旨在识别食物-化学物质实体对之间是否存在 contains 关系。这是通过微调 BERT、BioBERT 与 RoBERTa transformer 模型实现的。为评估，生成了一个带有食物-化学物质实体对 contains 关系标注的新数据集，包含 golden 与 silver 两个版本。这些模型被集成至投票方案中以生成数据集的 silver 版本，用于增强各独立模型，而人工标注的 golden 版本用于评估。在三个评估模型中，BioBERT 模型取得最佳结果，在非平衡增强设定下宏平均 F1 分数为 0.902。

关键词

关系抽取食物-化学物质 BERT BioBERT RoBERTa 数据集标注 transformer

引用

@article{arxiv.2110.02019,
  title  = {FoodChem: A food-chemical relation extraction model},
  author = {Gjorgjina Cenikj and Barbara Koroušić Seljak and Tome Eftimov},
  journal= {arXiv preprint arXiv:2110.02019},
  year   = {2021}
}

备注

8 pages, 3 figures, 2 tables

FoodChem：一种食物-化学物质关系抽取模型

摘要

关键词

引用

备注

相关论文