@正在进行{ramponi-etal-2020-生物医学,title=“作为序列标记的生物医学事件提取”,author=“Ramponi、Alan和范德古特、罗布和伦巴多、罗萨里奥和芭芭拉·普朗克”,editor=“韦伯、邦妮和科恩、特雷弗和他、玉兰和刘,杨“,booktitle=“2020年自然语言处理实证方法会议论文集”,月=11月,年=“2020”,address=“在线”,publisher=“计算语言学协会”,url=“https://aclantology.org/2020.emnlp-main.431”,doi=“10.18653/v1/2020.emnlp-main.431”,pages=“5357--5367”,abstract=“我们引入生物医学事件提取作为序列标记(BeeSL),一个联合的端到端神经信息提取模型。BeeSL将任务重构为序列标记,利用多标记感知编码策略,通过多任务学习联合建模中间任务。BeeSL快速、准确、端到端,与当前方法不同,它不需要任何外部知识库或预处理工具。BeeSL在Genia 2011基准测试中以1.57{\%}的绝对F1得分超过了当前最佳系统(Li等人,2019),达到60.22{\%{F1,为该任务建立了一个新的技术水平。重要的是,我们还提供了没有黄金实体信息的生物医学事件提取的首次结果。实验结果表明,BeeSL{'}的速度和准确性使其成为大规模真实场景的可行方法。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“网址:http://www.loc.gov/mods/v3"><mods ID=“ramponi-etal-2020-生物医学”><标题信息>生物医学事件提取作为序列标记</titleInfo><name type=“personal”>艾伦<namePart type=“family”>Ramponi</namePart><角色>作者</角色></name><name type=“personal”>罗伯范德古特<角色>作者</角色></name><name type=“personal”>罗萨里奥伦巴多<角色>作者</角色></name><name type=“personal”>芭芭拉<namePart type=“family”>平板</namePart><角色>作者</角色></name><originInfo><发布日期>2020-11</发布日期></originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>2020年自然语言处理实证方法会议记录</titleInfo><name type=“personal”>邦妮韦伯<namePart type=“family”>Webber</namePart><角色>编辑器</角色></name><name type=“personal”>特雷弗科恩<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>玉兰</namePart><namePart type=“family”>他</namePart><角色>编辑器</角色></name><name type=“personal”>杨(Yang)刘<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>在线</地点></originInfo>会议出版物</relatedItem>我们引入生物医学事件提取作为序列标记(BeeSL),这是一种联合的端到端神经信息提取模型。BeeSL将任务重构为序列标记,利用多标记感知编码策略,通过多任务学习联合建模中间任务。BeeSL快速、准确、端到端,与当前方法不同,它不需要任何外部知识库或预处理工具。在Genia 2011基准测试中,BeeSL以1.57%的F1绝对分数超过了当前最佳系统(Li等人,2019),达到60.22%F1,为这项任务建立了一个新的技术水平。重要的是,我们还提供了没有黄金实体信息的生物医学事件提取的首次结果。实验结果表明,BeeSL的速度和准确性使其成为大规模真实场景的可行方法</摘要>ramponi-etal-2020-生物医学10.18653/v1/2020。emnlp-main.431<位置><网址>https://aclantology.org/2020.emnlp-main.431</url></位置><部分><日期>2020-11</date><扩展单元=“page”><开始>5357</开始><end>5367</范围></部分></mods></modsCollection>
%0会议记录%作为序列标记的T生物医学事件提取%阿兰·兰波尼%罗伯·范德古特%罗萨里奥·伦巴多%芭芭拉,A Plank%Y Webber,邦妮%特雷弗·Y·科恩%Yu He,玉兰%Y Liu、Yang%2020年自然语言处理实证方法会议论文集%D 2020年%11月8日%计算语言学协会%C在线%F ramponi-etal-2020-生物医学%X我们引入生物医学事件提取作为序列标记(BeeSL),这是一种联合的端到端神经信息提取模型。BeeSL将任务重构为序列标记,利用多标记感知编码策略,通过多任务学习联合建模中间任务。BeeSL快速、准确、端到端,与当前方法不同,它不需要任何外部知识库或预处理工具。在Genia 2011基准测试中,BeeSL的F1绝对得分比目前最好的系统(Li et al.,2019)高1.57%,达到60.22%,为这项任务创造了新的技术水平。重要的是,我们还提供了没有黄金实体信息的生物医学事件提取的首次结果。实验结果表明,BeeSL的速度和准确性使其成为大规模真实场景的可行方法。%R 10.18653/v1/2020.emnlp-main.431%U型https://aclantology.org/2020.emnlp-main.431%U型https://doi.org/10.18653/v1/2020.emnlp-main.431%电话:5357-5367
降价(非正式)
[作为序列标记的生物医学事件提取](https://acl选集.org/2020.emnlp-main.431)(Ramponi等人,EMNLP 2020)
辅助控制线
- 阿兰·兰波尼(Alan Ramponi)、罗伯·范德古特(Rob van der Goot)、罗萨里奥·隆巴多(Rosario Lombardo)和芭芭拉·普朗克(Barbara Plank)。2020作为序列标记的生物医学事件提取.英寸2020年自然语言处理实证方法会议记录,第5357–5367页,在线。计算语言学协会。