NER biomédical utilisant un nouveau schéma et une supervision distante

La reconnaissance d'entités nommées biomédicales (BMNER) constitue l'une des tâches les plus importantes dans le domaine du text mining biomédical. La plupart des travaux réalisés jusqu'à présent sur cette tâche n'ont pas porté d'attention particulière à l'identification des entités discontinues et chevauchantes, bien qu'elles soient présentes dans des proportions significatives dans les jeux de données biomédicales réels. Dans cet article, nous proposons un nouveau schéma d'annotation permettant de capturer des entités complexes, et explorons l'impact de la supervision à distance sur notre modèle d'étiquetage de séquences basé sur les réseaux de neurones profonds. Pour la tâche de BMNER, notre schéma d'annotation surpasse les autres schémas basés sur la notation BIO sur le même modèle. Nous obtenons également des scores F1 supérieurs à ceux des modèles les plus avancés sur plusieurs corpora, sans ajuster les embeddings, mettant ainsi en évidence l'efficacité de l'extraction de caractéristiques neuronales réalisée par notre modèle.