C-Norm: Ein neuronaler Ansatz zur Few-Shot-Entitätsnormalisierung

Die Entitätsnormalisierung ist eine wichtige Aufgabe im Bereich der Informationsgewinnung, die in den letzten zehn Jahren erneut an Bedeutung gewonnen hat, insbesondere in den biomedizinischen und lebenswissenschaftlichen Fachgebieten. In diesen Bereichen und allgemein in allen Spezialdomänen bleibt diese Aufgabe auch für die neuesten maschinellen Lernansätze herausfordernd, da diese Schwierigkeiten bei der Bewältigung hochgradig mehrklassiger und Few-Shot-Lernprobleme zeigen. Um dieses Problem anzugehen, stellen wir C-Norm vor, einen neuen neuronalen Ansatz, der standardmäßige und schwache Supervision, die Integration ontologischer Kenntnisse sowie verteilte Semantik synergistisch kombiniert.