面向低资源场景下生物医学命名实体识别的硬度引导域适应
计算与语言
2022-11-14 v1 机器学习
摘要
域适应是低资源场景下数据稀缺的有效解决方案。然而，当应用于如生物医学生名实体识别（bioNER）这类 token 级任务时，域适应方法常受临床叙述所具有的挑战性语言特征影响，导致性能不佳。在本文中，我们提出了一个简单而有效的硬度引导域适应（HGDA）框架用于 bioNER 任务，该框架能有效利用域硬度信息以提升所学模型在低资源场景下的适应性。在生物医学数据集上的实验结果表明，我们的模型相比近期发表的最先进（SOTA）MetaNER 模型取得了显著的性能提升。
关键词
引用
@article{arxiv.2211.05980,
title = {Hardness-guided domain adaptation to recognise biomedical named entities under low-resource scenarios},
author = {Ngoc Dang Nguyen and Lan Du and Wray Buntine and Changyou Chen and Richard Beare},
journal= {arXiv preprint arXiv:2211.05980},
year = {2022}
}