通过额外的外部背景改善生物医学命名实体识别

科学领域:

• 生物医学信息学 生物医学信息学
• 自然语言处理自然语言处理.
• 计算生物学 计算生物学

背景情况:

• 生物医学命名实体识别 (bio NER) 对于从生物医学文本中提取信息至关重要.
• 现有的生物NER模型主要依赖于原始输入序列,可能限制实体表示.
• 外部上下文信息可以提高对生物医学实体的理解和认可.

研究的目的:

• 开发和评估一个包含额外外部背景的新型生物NER模型.
• 为了提高生物医学命名实体识别的准确性和稳定性.
• 为了证明使用相关的外部信息来证明生物NER的好处.

主要方法:

• 从PubMed中检索和排列相关句子以形成外部上下文.
• 将原始输入序列与检索的上下文结合起来,创建增强的序列.
• 使用PubMedBERT进行特征表示,然后使用BiLSTM和CRF层进行序列标记.
• 端到端的联合培训,以优化模型的性能与额外的背景.

主要成果:

• 拟议的模型在六个生物医学数据集上实现了有希望的性能.
• 实验结果表明,结合生物NER的额外背景的有效性.
• 该模型在生物医学命名实体识别任务中表现优于强有力的基线方法.

结论:

• 来自PubMed的额外背景显著提高了生物医学实体识别的质量.
• 比起一般搜索引擎,PubMed是生物NER语境的更合适来源.
• 有关的上下文句子比无关的句子更有利于增强实体识别.