NanoNER: Named Entity Recognition for nanobiology using experts' knowledge and distant supervision

本文介绍了NanoNER，一种用于纳米生物学的命名实体识别（NER）模型的训练和评估。NER是指在非结构化文本的范围内识别特定实体，通常是自然语言处理（NLP）和信息提取的主要任务。我们的模型旨在识别领域专家先前确定为构成该领域基本知识的实体。依靠本体论，为我们提供领域词汇和分类法，我们实施了一个迭代过程，使专家能够确定与所涉领域相关的实体。然后，我们深入探讨了远程监督学习在NER中的潜力，支持这种方法可以在最小的额外人力成本下增加注释数据的数量。在包含超过120k实体出现次数的728篇全文纳米生物学文章的完整语料库上，NanoNER在识别先前已知实体方面获得了0.98的F1分数。我们的模型还展示了在文本中发现新实体的能力，精度得分在0.77到0.81之间。消融实验进一步证实了这一点，并允许我们评估我们的方法对外部资源的依赖性。它突出了方法对资源的依赖性，同时也证实了它重新发现被消融术语的能力高达30％。本文详细介绍了采用的方法、实验设计和关键发现，为未来专门领域的NER相关研究提供了有价值的见解和方向。此外，由于我们的方法需要最少的人力成本，我们相信它可以推广到其他专业领域。

该论文旨在解决基于本体的远程监督学习在纳米生物学中命名实体识别方面的问题，以提高实体识别的效率和准确性。

论文提出了一种基于本体的远程监督学习方法，使用领域专家确定的实体词汇和分类体系，能够自动识别文本中的命名实体。相比当前领域的研究，该方法能够提高实体识别的效率和准确性。

该论文使用了728篇纳米生物学文章，包含超过120k个实体出现次数，使用远程监督学习方法进行实体识别，获得了0.98的F1得分。论文还发现该方法能够发现新实体，并在消融实验中证实了该方法对外部资源的依赖性，并且能够重新发现被消融的术语的最高达30%。该方法需要的人力资源较少，具有广泛的适用性。

最近的相关研究包括：1.《基于深度学习的命名实体识别在生物信息学中的应用》；2.《生物医学文本中的命名实体识别：现状和未来的挑战》；3.《命名实体识别的远程监督学习方法》等。