向生物医学命名实体识别中注入类别标签与句法信息
计算与语言
2023-11-07 v1 信息检索
机器学习
摘要
我们提出了一种简单的方法，通过向模型中注入类别标签和词性（POS）信息来改进生物医学命名实体识别（NER）。我们采用两种途径：在第一种途径中，我们首先训练一个序列级分类器，将句子分类为若干类别以获得句子级标签（类别标签）。该序列分类器通过将标签改写为自然语言模板建模为一个蕴含问题，这有助于提高分类器的准确率。随后，将该标签信息注入NER模型。本文中，我们展示了将这些标签和POS属性表示并注入NER模型的有效方式。在第二种途径中，我们联合学习类别标签和NER标签。此处我们也向模型中注入POS标签以增加模型的句法上下文。在三个基准数据集上的实验表明，结合句法上下文的类别标签信息非常有用，并优于基于BERT的基线模型。
引用
@article{arxiv.2311.03113,
title = {Injecting Categorical Labels and Syntactic Information into Biomedical NER},
author = {Sumam Francis and Marie-Francine Moens},
journal= {arXiv preprint arXiv:2311.03113},
year = {2023}
}
备注
Proceedings of the 18th Conference on Computational Intelligence Methods for Bioinformatics & Biostatistics (CIBB 2023)