媲美联合学习的流水线式生物医学事件抽取
计算与语言
2024-03-20 v1 人工智能
摘要
生物医学事件抽取是一项从生物医学文本中获取事件的信息抽取任务，其目标包括事件类型、触发词以及事件涉及的各个论元。传统的生物医学事件抽取通常采用流水线方法，包含触发词识别、论元角色识别，最后通过特定规则或机器学习构建事件。本文中，我们提出一种基于 BERT 预训练模型的 n 元关系抽取方法来构建 Binding 事件，旨在捕获事件上下文及其参与者的语义信息。实验结果表明，我们的方法在 BioNLP 共享任务的 GE11 和 GE13 语料库上取得了令人鼓舞的结果，F1 分数分别达到 63.14% 和 59.40%。这表明，通过显著提升 Binding 事件的性能，流水线式事件抽取方法的整体性能甚至超越了当前的联合学习方法。
引用
@article{arxiv.2403.12386,
title = {Pipelined Biomedical Event Extraction Rivaling Joint Learning},
author = {Pengchao Wu and Xuefeng Li and Jinghang Gu and Longhua Qian and Guodong Zhou},
journal= {arXiv preprint arXiv:2403.12386},
year = {2024}
}