在低资源语言中,用于少数射击的生物医学命名实体识别的多式方法
Jian Chen1, Leilei Su2, Yihong Li1
1Department of Data Science and Big Data Technology, Hainan University, Haikou 570228, China.
Journal of biomedical informatics
|December 2, 2024
概括
这项研究引入了一种新的多式联络方法,用于在低资源语言中进行生物医学命名实体识别 (NER). 该方法通过整合文本和图像数据来提高NER的性能,克服了传统单模式技术的局限性.
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.
- 多模式学习是多模式学习.
背景情况:
- 生物医学命名实体识别 (NER) 传统上使用单模式方法,限制了信息捕获.
- 由于数据稀缺,低资源语言对生物医学NER提出了独特的挑战.
研究的目的:
- 为生物医学NER开发一种新的多式联络方法,特别是解决低资源语言挑战.
- 通过整合各种数据模式来增强信息提取.
主要方法:
- 提出了一种跨模式生成模块,将单模式数据转换为多模式数据,以获得更丰富的NER输入.
- 开发了一种跨模式过模块,以解决多式联网网络中的文本图像不匹配问题.
- 在两个精心策划的生物医学数据集上对低资源语言的方法进行了验证.
主要成果:
- 拟议的多式联络方法显著提高了生物医学NER性能.
- 在资源较少的语言环境中证明有效.
- 强调了整合多式联运信息的好处,而不是单式联运方法.
结论:
- 新型多式联通方式为生物医学NER提供了显著的进步,特别是在资源较少的环境中.
- 该方法有效地利用多模式数据来克服单模式的局限性.
- 这项工作为生物医学研究和多语言NLP的更广泛应用铺平了道路.


