NLNDE：通过注意力与噪声信道增强神经序列标注器以实现鲁棒的药理实体检测
计算与语言
2020-07-03 v1 机器学习
摘要
命名实体识别已在英文新闻文本上被广泛研究。然而，向其他领域和语言的迁移仍是一个具有挑战性的问题。本文中，我们描述了参与BioNLP开放共享任务2019的PharmaCoNER竞赛第一子赛道时所使用的系统。该任务旨在西班牙语文中进行药理实体检测，提供了非标准领域与语言设定。但我们提出了一种既不需要语言也不需要领域专业知识的架构。我们将该任务视为序列标注任务，并尝试基于注意力的嵌入选择以及在自动标注数据上的训练来进一步提升系统性能。我们的系统取得了有前景的结果，尤其通过结合不同技术，在竞赛中F1值达到最高88.6%。
引用
@article{arxiv.2007.01022,
title = {NLNDE: Enhancing Neural Sequence Taggers with Attention and Noisy Channel for Robust Pharmacological Entity Detection},
author = {Lukas Lange and Heike Adel and Jannik Strötgen},
journal= {arXiv preprint arXiv:2007.01022},
year = {2020}
}
备注
Published at BioNLP-OST@EMNLP 2019