NanoNER：基于专家知识和远距离监督的纳米生物学命名实体识别
信息检索
2024-02-07 v1 人工智能
计算与语言
摘要
本文介绍了 NanoNER 模型的训练与评估，这是一个针对纳米生物学的命名实体识别 (NER) 模型。NER 是指从非结构化文本中识别特定实体的技术，常是自然语言处理和信息抽取中的基础任务。本模型旨在识别由领域专家确定的构成该领域核心知识的实体。我们依赖本体文件，提供领域词汇和分类学，实施一种迭代过程，使专家能够确定特定领域相关的实体。随后，我们深入探讨远距离监督学习在 NER 中的潜力，说明该方法可通过最小额外人力增加注释数据的数量。在由 728 篇完整纳米生物学文章组成的语料库上，包含超过 12 万个实体出现，NanoNER 在识别已知实体时达到了 0.98 的 F1 分数。我们的模型还展示了在文本中发现新实体的能力，精度分数范围为 0.77 到 0.81。消融实验进一步确认了这一点，也帮助我们评估了方法对外部资源的依赖性。实验结果表明该方法依赖于资源，同时确认其在消融后可重新发现最高 30% 的被消除术语。本文详细阐述了所采用的方法、实验设计和关键发现，为未来的 NER 研究提供了宝贵见解和方向。鉴于本方法所需人力最少，我们相信可推广至其他专业领域。
引用
@article{arxiv.2402.03362,
title = {NanoNER: Named Entity Recognition for nanobiology using experts' knowledge and distant supervision},
author = {Martin Lentschat and Cyril Labbé and Ran Cheng},
journal= {arXiv preprint arXiv:2402.03362},
year = {2024}
}