RanAT4BIE：面向生物医学信息抽取的随机对抗训练
计算与语言
2025-09-16 v1 信息检索
摘要
我们介绍随机对抗训练(RAT)，一种成功应用于生物医学信息抽取(BioIE)任务的新型框架。基于PubMedBERT作为基础架构，我们的研究首先验证了传统对抗训练在提升预训练语言模型在BioIE任务上的性能方面的有效性。尽管对抗训练在各种性能指标上都显现出显著的改进，但也带来了相当大的计算开销。为解决这一局限， 我们提出RAT作为生物医学信息抽取的效率解决方案。该框架战略性地将随机抽样机制与对抗训练原则相结合，实现双重目标：增强模型的泛化能力和鲁棒性，同时显著降低计算成本。通过全面评估，RAT在BioIE任务上优于基线模型，显示出卓越的性能。结果凸显了RAT作为生物医学自然语言处理中具有变革性框架的潜力，为模型性能与计算效率之间提供了均衡解决方案。
关键词
引用
@article{arxiv.2509.11191,
title = {RanAT4BIE: Random Adversarial Training for Biomedical Information Extraction},
author = {Jian Chen and Shengyi Lv and Leilei Su},
journal= {arXiv preprint arXiv:2509.11191},
year = {2025}
}
备注
Accepted for publication at the International Joint Conference on Neural Networks (IJCNN) 2025