BioRED：一份丰富的生物医学关系提取数据集

Apr, 2022

BioRED：一份丰富的生物医学关系提取数据集

BioRED: A Rich Biomedical Relation Extraction Dataset

Ling Luo, Po-Ting Lai, Chih-Hsuan Wei, Cecilia N Arighi, Zhiyong Lu

TL;DR本文提出了一个多实体类型和多关系对的文献级生物医学关系抽取数据集 BioRED，包括新发现和先前已知的信息，旨在评估现有状态下的自动化算法，为更准确、高效和稳健的生物医学关系系统的开发奠定基础。

Abstract

automated relation extraction (RE) from biomedical literature is critical for many downstream text mining applications in both research and real-world settings. However, most existing benchmarking datasets for bi

automated relation extraction biomedical literature named entity recognition biored corpus state-of-the-art methods

发现论文，激发创造

BioREx：利用异构数据集提高生物医学关系抽取的准确性

本论文提出了一种数据丰富的方法，将多个医学相关的 Relation Extraction 数据集组合成一个大型数据集，并使用 BioREx 实现了关系提取任务，结果表明，BioREx 在各种关系任务中的表现都优于当前最好的执行方法。

Jun, 2023

DocRED：大规模文档级关系抽取数据集

本文介绍 DocRED 数据集，该数据集为文档级别中关系抽取 (Relation Extraction) 提供了一个新的方法，并提供了大规模的远程监督数据，以满足超级 / 弱监督训练需求。同时我们实验了目前最先进的方法，结果表明文档级别中关系抽取仍需要进一步的研究。

Jun, 2019

关系抽取在临床文档理解中的应用

该文介绍了一种文本挖掘框架，利用 Named Entity Recognition 和 Relation Extraction 模型对医学文献和数字临床记录进行处理，取得优异的实验结果，并构建了一个生物医学知识图谱。系统使用 Spark NLP 库提供的生产级、可伸缩、硬件优化、可训练和可调整的 NLP 框架。

Dec, 2021

EnzChemRED，一个丰富的酶化学关系提取数据集

通过 EnzChemRED 数据集，利用大型语言模型等自然语言处理方法可以显著提高识别文本中的蛋白质和化学品提及以及提取它们参与的化学转化的能力，该数据集位于 PubMed 摘要中，旨在支持酶的修饰。

Apr, 2024

HistRED：历史文档级关系抽取数据集

研究通过 HistRED 数据集中的 Hanja 和韩国文本，提出了一种双语关系抽取模型，证明多语言背景可以补充关系抽取预测。

Jul, 2023

重访 DocRED -- 在关系抽取中解决假阴性问题

本文针对 DocRED 数据集中占主导地位的漏报问题进行了研究，并通过重新注释数据集来修复该问题，重新命名为 Re-DocRED 数据集，同时实验结果表明使用 Re-DocRED 数据集进行训练和评估可以获得 13 个 F1 分数的性能提升。

May, 2022

FinRED：金融领域关系抽取数据集

本文提出了一个新的金融实体关系抽取数据集 FinRED，并在此数据集上对各种最先进的关系抽取模型进行试验，结果显示当前的模型在金融领域的性能较差，需要更好的模型。

Jun, 2023

BioNLP-OST 2019 中基于语言学的关系抽取和神经网络结构的嵌套命名实体识别

本篇论文介绍了我们参加 BioNLP Shared Tasks 2019 后在 Named Entity Recognition 和 Relation Extraction 方面的方法，我们的方法可以概括应用于不同语言的文本，包括英语和西班牙语，其中我们使用了语言特征，混合损失，多任务目标和令牌级合成策略以提高 Named Entity Recognition 的性能，使用基于字典的模糊和语义搜索来执行实体标准化，最后，我们的 Relation Extraction 系统使用带语言特征的 Support Vector Machine，并在相关任务上表现出色。

Oct, 2019

基于 BioRelEx 的实体标记及关系抽取的基准测试

通过对生物实体及其关系进行比对和基准测试，本研究发现：基于跨界多任务体系结构的提取方法和加入预训练相关领域信息可显著提高生物实体标记和关系提取的准确性。

May, 2020

NEREL-BIO: 一个嵌套命名实体注释的生物医学摘要数据集

本文介绍了 NEREL-BIO，一个 PubMed 摘要的标注体系和语料库。NEREL-BIO 拓展了 NEREL 数据集，引入了特定领域实体类型。它涵盖了一般和生物医学领域，适用于领域转移实验。NEREL-BIO 作为交叉领域和跨语言转移的基准，包含嵌套命名实体的注释，并进行了相关实验和结果报告。

Oct, 2022