利用检索增强学习改进生物医学实体链接
Biomedical entity linking is improved using BioELQA, a model that treats it as multiple choice question answering, capturing fine-grained interactions and addressing challenges with long-tailed entities.
Feb, 2024
本文提出了一种新的方法来解决生物医学实体链接的问题,利用基于知识库的预训练和微调,以及多种类似词的构建方式来进行模型训练,这种方法在多项实验中都取得了最优结果。
Apr, 2022
本研究探讨生物医学实体链接领域和命名实体识别和消歧方面的问题,分析了在局部知识库推理的情况下,EL 模型的性能下降严重,提出了两种简单而有效的方法来解决 NIL 问题。
Mar, 2023
提出 KeBioLM 这一生物医学语言 pretrained language model,该模型明确利用了来自 UMLS UMLS knowledge bases 知识库的知识,取得了名词实体识别和关系提取的不错效果。
Apr, 2021
实体链接是将文本提及与相应实体连接的计算过程。本论文通过开发多个系统,证明了即使资源有限,也可以构建在多种语言中运作的竞争性神经网络实体链接系统,从而使实体链接更容易接近。
May, 2024
本研究提出了一种轻量级神经方法,利用对齐层和注意力机制来捕捉提到与实体的不同名称变化,以解决生物医学概念链接中同一实体具有各种名称变体的挑战,并且在标准评估基准上证明该模型表现竞争力。
Dec, 2020
研究了 Tweet 领域中实体链接方法的挑战,提出了一种使用来自维基百科的长上下文表示的混合解决方案,经过实验评估和比较,取得了 0.93 的召回率。
Oct, 2022
Biomedical Entity Linking with Homonym Disambiguation (BELHD) is a name-based method that expands homonyms in the knowledge base (KB) for unique linking decisions and introduces candidate sharing to enhance the overall training signal, achieving improved results compared to state-of-the-art approaches.
Jan, 2024