NEREL-BIO：一个标注有嵌套命名实体的生物医学摘要数据集
计算与语言
2023-11-21 v1 机器学习
摘要
本文描述了 NEREL-BIO——一个由俄语 PubMed 摘要及少量英语摘要组成的标注方案与语料库。NEREL-BIO 通过引入领域特定的实体类型，扩展了通用领域数据集 NEREL。NEREL-BIO 的标注方案涵盖通用与生物医学两个领域，使其适用于领域迁移实验。NEREL-BIO 提供了嵌套命名实体的标注，作为 NEREL 所用方案的扩展。嵌套命名实体可跨越实体边界以连接到嵌套于更长实体中的较短实体，从而更难被检测。NEREL-BIO 包含 700 余篇俄语摘要和 100 余篇英语摘要的标注。所有英语 PubMed 标注都有对应的俄语标注。因此，NEREL-BIO 具备以下具体特征：嵌套命名实体标注，可用作跨领域（NEREL -> NEREL-BIO）与跨语言（英语 -> 俄语）迁移的基准。我们基于 Transformer 的序列模型与机器阅读理解（MRC）模型进行了实验并报告了结果。该数据集可在 https://github.com/nerel-ds/NEREL-BIO 免费获取。
引用
@article{arxiv.2210.11913,
title = {NEREL-BIO: A Dataset of Biomedical Abstracts Annotated with Nested Named Entities},
author = {Natalia Loukachevitch and Suresh Manandhar and Elina Baral and Igor Rozhkov and Pavel Braslavski and Vladimir Ivanov and Tatiana Batura and Elena Tutubalina},
journal= {arXiv preprint arXiv:2210.11913},
year = {2023}
}
备注
Submitted to Bioinformatics (Publisher: Oxford University Press)