На пути к устранению неоднозначности именованных сущностей
• Количество публикаций в области биомедицины растет из-за научных исследований, технологий и акцента на здравоохранение. • NLP в биомедицине расширяет возможности извлечения информации из текстовых данных. • Устранение неоднозначности именованных сущностей (NED) является важной задачей NLP. • Традиционные подходы к NED основаны на текстовом контенте из базы знаний. • Новый подход использует совместное представление биомедицинских объектов с помощью языковых моделей и методов машинного обучения на графах. • Подход учитывает графические сигналы, связанные с объектами, для устранения неоднозначности. • Метод показал высокую эффективность по сравнению с известными моделями, такими как SciSpaCy и платформа на базе BERT. • Внедрение graph embedding для NED может продвинуть NLP и облегчить практическое применение в ограниченных областях, таких как потоковая передача музыки и системы рекомендаций.
Этот пост подготовила нейросеть: сделала выжимку статьи и, возможно, даже перевела ее с английского. А бот опубликовал пост в Сетке.
