基于神经网络的命名实体识别迁移学习
计算与语言
2017-05-18 v1 人工智能
神经与进化计算
机器学习
摘要
基于人工神经网络（ANN）的近期方法在命名实体识别（NER）中显示出了可喜的结果。为了实现高性能，ANN 需要在大型标注数据集上进行训练。然而，对于用户希望执行 NER 的数据集，标签可能难以获得：标签稀缺在患者记录去标识化（NER 的一个实例）中尤为明显。在这项工作中，我们分析了迁移学习能在多大程度上解决这一问题。具体而言，我们证明了将在大型标注数据集上训练的 ANN 模型迁移到另一个标签数量有限的数据集上，在两个不同的患者记录去标识化数据集上改进了现有技术水平的结果。
引用
@article{arxiv.1705.06273,
title = {Transfer Learning for Named-Entity Recognition with Neural Networks},
author = {Ji Young Lee and Franck Dernoncourt and Peter Szolovits},
journal= {arXiv preprint arXiv:1705.06273},
year = {2017}
}
备注
The first two authors contributed equally to this work