基于边权更新神经网络的命名实体归一化模型:知识驱动图与数据驱动图的融合
人工智能
2021-06-15 v1
摘要
判别匹配的命名实体对或识别实体的规范形式在文本挖掘任务中至关重要。更精确的文本挖掘命名实体归一化将有益于其他后续的文本分析应用。我们构建了一个采用新颖的边权更新神经网络的命名实体归一化模型。我们所提出的模型在四个不同数据集上测试时取得了最先进的结果。接下来,我们在 NCBI Disease、BC5CDR Disease 和 BC5CDR Chemical 数据库上验证模型的性能,这些是生物信息学领域广泛使用的命名实体归一化数据集。我们还使用我们自己的金融命名实体归一化数据集测试模型,以验证其在更通用应用中的有效性。利用所构建的数据集,我们对命名实体对进行区分。我们的模型在各种评价指标上均取得了最高的命名实体归一化性能。
引用
@article{arxiv.2106.07549,
title = {Named Entity Normalization Model Using Edge Weight Updating Neural Network: Assimilation Between Knowledge-Driven Graph and Data-Driven Graph},
author = {Sung Hwan Jeon and Sungzoon Cho},
journal= {arXiv preprint arXiv:2106.07549},
year = {2021}
}