Named entity recognition in the biomedical domain
| Název práce v češtině: | Rozpoznávání pojmenovaných entit v biomedicínské doméně |
|---|---|
| Název v anglickém jazyce: | Named entity recognition in the biomedical domain |
| Klíčová slova: | Rozpoznávání pojmenovaných entit|biomedicínská doména|hluboké neuronové sítě |
| Klíčová slova anglicky: | Named entity recognition|biomedical domain|deep neural networks |
| Akademický rok vypsání: | 2018/2019 |
| Typ práce: | diplomová práce |
| Jazyk práce: | angličtina |
| Ústav: | Ústav formální a aplikované lingvistiky (32-UFAL) |
| Vedoucí / školitel: | doc. RNDr. Pavel Pecina, Ph.D. |
| Řešitel: |
| Zásady pro vypracování |
| The work of this thesis explores named entity recognition in the biomedical domain in the context of limited training data inputs,
The goal of this thesis is to examine few-shot learning frameworks in the biomedical domain and explore the architectures and performance of few-shot named entity recognition. Few-shot learning is currently heavily explored in the general domain yet there have been limited results in the biomedical domain where there is often limited training data. In this work, I examine the performance of the aforementioned frameworks with regard to biomedical named entity benchmarks. |
| Seznam odborné literatury |
| Maximilian Hofer, Andrey Kormilitzin, Paul Goldberg, Alejo Nevado-
Holgado, "Few-shot learning for named entity recognition in medical text." arXiv preprint arXiv:1811.05468 (2018). |