Global alignment for relation extraction in Microbiology

We investigate a method to extract relations from texts based on global alignment and syntactic information. Combined with SVM, this method is shown to have a performance comparable or even better than LSTM on two RE tasks.

Mots clés

Natural Language Processing (NLP) Relation extraction (RE) Shortest dependency path Global Alignment (GA) Support Vector Machine (SVM) Long Short-Term Memory (LSTM)

Domaines

Intelligence artificielle [cs.AI] Informatique et langage [cs.CL] Apprentissage [cs.LG]

Fichier principal

JDSE 2021 Tang.pdf (52.21 Ko)

Origine	Fichiers produits par l'(les) auteur(s)

Claire Nédellec : Connectez-vous pour contacter le contributeur

https://hal.science/hal-03447763

Soumis le : mercredi 24 novembre 2021-18:52:08

Dernière modification le : lundi 8 avril 2024-18:44:28

Archivage à long terme le : vendredi 25 février 2022-20:09:55

Dates et versions

hal-03447763 , version 1 (24-11-2021)

Licence

Paternité

Identifiants

HAL Id : hal-03447763 , version 1

Citer

Anfu Tang, Claire Nédellec, Pierre Zweigenbaum, Louise Deléger, Robert Bossy. Global alignment for relation extraction in Microbiology. Junior Conference on Data Science and Engineering, Feb 2021, Orsay, France. ⟨hal-03447763⟩

Exporter

BibTeX XML-TEI Dublin Core DC Terms EndNote DataCite

Collections

CNRS INRIA CENTRALESUPELEC UNIV-PARIS-SACLAY INRAE LISN GS-ENGINEERING GS-MATHEMATIQUES GS-COMPUTER-SCIENCE GS-BIOSPHERA GS-LIFE-SCIENCES-HEALTH LISN-ILES MAIAGE MICA-UNITES MATHNUM

57 Consultations

36 Téléchargements