在不同文本类型上利用 SpanBERT 改进药物不良事件抽取
计算与语言
2021-05-20 v1 机器学习
摘要
近年来，互联网用户在社交媒体、博客和健康论坛上报告药物不良事件（ADE）。由于报告数量庞大，药物警戒正寻求借助 NLP 监控这些渠道。我们首次提出将 SpanBERT 架构用于 ADE 抽取任务：这一流行的 BERT transformer 的新版本展现出对多 token 文本跨度的改进能力。我们在两个具有不同文本类型（推文和博客文章）的数据集（SMM4H 和 CADEC）上通过实验验证我们的假设，发现 SpanBERT 结合 CRF 在两者上均优于所有竞争对手。
引用
@article{arxiv.2105.08882,
title = {Improving Adverse Drug Event Extraction with SpanBERT on Different Text Typologies},
author = {Beatrice Portelli and Daniele Passabì and Edoardo Lenzi and Giuseppe Serra and Enrico Santus and Emmanuele Chersoni},
journal= {arXiv preprint arXiv:2105.08882},
year = {2021}
}
备注
11 pages, AAAI, conference