BOUN-ISIK 参与：一种用于细菌生境命名实体归一化与关系抽取的无监督方法

本文介绍了我们参与2019年BioNLP共享任务中“细菌生境”（Bacteria Biotope Task）的成果。我们的参与涵盖该任务的两个子任务：实体标准化（BB-norm）与基于生物医学文本的实体间关系识别（BB-rel）。在实体标准化任务中，我们采用词嵌入（word embeddings）与句法重排序（syntactic re-ranking）相结合的方法；在关系抽取任务中，则采用预定义规则进行处理。尽管两种方法均属于无监督学习范式（即无需依赖标注数据），但均取得了令人满意的效果。尤其在BB-norm任务中，实验结果表明，所提出的方法性能可与依赖标注数据的深度学习方法相媲美。