基于MRC的嵌套医学命名实体识别：联合预测与自适应预训练
计算与语言
2024-03-26 v1
摘要
在医学信息抽取中，医学命名实体识别（NER）是不可或缺的，它在构建医学知识图谱、增强医学问答系统以及分析电子病历中发挥着关键作用。医学NER的挑战源于其复杂的嵌套结构和专业的医学术语，这使其区别于传统领域的NER。针对这些复杂性，我们提出了一种基于机器阅读理解（MRC）的医学NER模型，该模型采用任务自适应预训练策略来提升模型在医学领域的能力。同时，我们的模型引入了多词对嵌入和多粒度空洞卷积以增强模型的表示能力，并使用Biaffine和MLP的联合预测器来提高模型的识别性能。在中文嵌套医学NER基准CMeEE上进行的实验评估表明，我们提出的模型优于所比较的最先进（SOTA）模型。
引用
@article{arxiv.2403.15800,
title = {MRC-based Nested Medical NER with Co-prediction and Adaptive Pre-training},
author = {Xiaojing Du and Hanjie Zhao and Danyan Xing and Yuxiang Jia and Hongying Zan},
journal= {arXiv preprint arXiv:2403.15800},
year = {2024}
}