命名实体识别是信息抽取和知识图谱构建等任务的关键技术环节。近年来,药品不良反应(Adverse Drug Reaction,ADR)实体识别受到学界的极大关注。为了系统梳理ADR实体识别的研究进展及趋势,首先总结了ADR实体识别时常见的问题;其次将ADR...命名实体识别是信息抽取和知识图谱构建等任务的关键技术环节。近年来,药品不良反应(Adverse Drug Reaction,ADR)实体识别受到学界的极大关注。为了系统梳理ADR实体识别的研究进展及趋势,首先总结了ADR实体识别时常见的问题;其次将ADR实体识别研究划分为基于规则和词典、基于传统机器学习、基于深度学习和基于迁移学习方法四类并进行分析和对比,得出目前基于迁移学习方法的ADR实体识别性能较优;接着给出了ADR实体识别涉及的数据集以及评价指标;最后对ADR实体识别未来研究方向进行了展望。展开更多
文摘命名实体识别是信息抽取和知识图谱构建等任务的关键技术环节。近年来,药品不良反应(Adverse Drug Reaction,ADR)实体识别受到学界的极大关注。为了系统梳理ADR实体识别的研究进展及趋势,首先总结了ADR实体识别时常见的问题;其次将ADR实体识别研究划分为基于规则和词典、基于传统机器学习、基于深度学习和基于迁移学习方法四类并进行分析和对比,得出目前基于迁移学习方法的ADR实体识别性能较优;接着给出了ADR实体识别涉及的数据集以及评价指标;最后对ADR实体识别未来研究方向进行了展望。
