CollaboNet: Zusammenarbeit von tiefen Neuronalen Netzen für die Erkennung von Named Entities in der Biomedizin

Hintergrund: Die Identifizierung von biomedizinischen benannten Entitäten ist eine der wichtigsten Aufgaben im Bereich des Textminings in der Biomedizin. Kürzlich wurden tiefenlernbasierte Ansätze für die Erkennung von benannten biomedizinischen Entitäten (BioNER) angewendet und zeigten vielversprechende Ergebnisse. Allerdings benötigen tiefenlernbasierte Ansätze eine große Menge an Trainingsdaten, und ein Mangels an Daten kann die Leistung beeinträchtigen. BioNER-Datensätze sind seltene Ressourcen, und jeder Datensatz umfasst nur einen kleinen Teil der Entitätstypen. Darüber hinaus sind viele biologische Entitäten mehrdeutig, was eines der größten Hindernisse bei der Erkennung von benannten Entitäten darstellt.Ergebnisse: Um das Problem des Mangels an Daten und der Fehlklassifikation von Entitätstypen anzugehen, schlagen wir CollaboNet vor, welches eine Kombination mehrerer NER-Modelle nutzt. In CollaboNet werden Modelle, die auf unterschiedlichen Datensätzen trainiert wurden, miteinander verbunden, sodass ein Zielmodell Informationen von anderen Kooperationsmodellen erhält, um falsch positive Ergebnisse zu reduzieren. Jedes Modell ist ein Experte für seinen jeweiligen Zielentitätstyp und wechselt während des Trainings zwischen den Rollen als Ziel- und Kooperationsmodell. Die experimentellen Ergebnisse zeigen, dass CollaboNet dazu verwendet werden kann, die Anzahl falsch positiver Ergebnisse und fehlklassifizierter Entitäten einschließlich mehrdeutiger Wörter erheblich zu reduzieren. CollaboNet erreichte Spitzenwerte in Bezug auf Präzision, Recall und F1-Score.Schlussfolgerungen: Wir haben die Vorteile einer Kombination mehrerer Modelle für BioNER demonstriert. Unser Modell hat erfolgreich die Anzahl fehlklassifizierter Entitäten reduziert und durch den Einsatz mehrerer für verschiedene Entitätstypen annotierter Datensätze die Leistung verbessert. Angesichts der Spitzenwerte unseres Modells glauben wir, dass CollaboNet die Genauigkeit von nachgeschalteten Anwendungen des Textminings in der Biomedizin wie der Extraktion von Beziehungen zwischen bio-Entitäten steigern kann.