BioTrHMM:基于迁移学习的生物医学命名实体识别算法

摘要: 传统的生物医学命名实体识别方法需要大量目标领域的标注数据，但是标注数据代价高昂。为了降低生物医学文本中命名实体识别对目标领域标注数据的需求，将生物医学文本中的命名实体识别问题化为基于迁移学习的隐马尔可夫模型问题。对要进行命名实体识别的目标领域数据集无须进行大量数据标注，通过迁移学习的方法实现对目标领域的识别分类。以相关领域数据为辅助数据集，利用数据引力的方法评估辅助数据集的样本在目标领域学习中的贡献程度，在辅助数据集和目标领域数据集上计算权值进行迁移学习。基于权值学习模型，构建基于迁移学习的隐马尔可夫模型算法BioTrHMM。在GENIA语料库的数据集上的实验表明，BioTrHMM算法比传统的隐马尔可夫模型算法具有更好的性能；仅需要少量的目标领域标注数据，即可具有较好的命名实体识别性能。