TAC 2018 中 EP 团队：环境因子系统综述中数据抽取的自动化
计算与语言
2019-01-09 v1 机器学习
摘要
我们描述了参加 2018 年文本分析会议（Text Analysis Conference）系统综述信息抽取赛道（Systematic Review Information Extraction track）的方案。我们的解决方案是一个基于 BI-LSTM-CRF 架构的端到端深度学习序列标注模型。然而，我们使用带高速连接（highway connections）的交错、交替 LSTM 层，而非更传统的将双向最后隐状态拼接作为下一层输入的方法。我们还广泛使用了预训练词嵌入，即 GloVe 与 ELMo。借助若干正则化技术，我们得以在训练集规模（100 篇文档，少于 200K 词符）下实现相对较大的模型容量（31.3M+ 可训练参数）。系统的官方得分为 60.9%（micro-F1），在任务 1 中排名第一。此外，在纠正提交格式中的一个明显错误后，系统得分为 67.35%。
引用
@article{arxiv.1901.02081,
title = {Team EP at TAC 2018: Automating data extraction in systematic reviews of environmental agents},
author = {Artur Nowak and Paweł Kunstman},
journal= {arXiv preprint arXiv:1901.02081},
year = {2019}
}
备注
7 pages, 3 figures, to appear in the proceedings of Text Analysis Conference (TAC) 2018