从负样本中学习的生成生物医学实体链接
原文中文,约500字,阅读约需2分钟。发表于: 。本研究针对生物医学实体链接中仅使用正样本训练的问题,提出了一种新框架ANGEL,首次从负样本中学习。通过优化模型的正确预测,该方法在五个基准测试中相比于以往最佳模型平均提高了1.4%的正确率,并在预训练阶段进一步提升了1.7%的性能,显示出其在生物医学实体链接中的有效性。
生物医学实体链接(BEL)是生命科学文献信息提取的重要任务。为了解决现有基准缺失和实验设置不一致的问题,开发了名为BELB的生物医学实体链接基准,提供对7个知识库链接的11个语料库的访问,并涵盖6种实体类型。利用BELB对实体特定系统和神经方法进行了广泛评估,结果显示神经方法在不同实体类型上表现不一致,需要进一步研究实体无关模型。