识别上下文的命名实体识别

Question

我正在使用 NER 模型来提取文本中存在的处理（冰、热或 OTC），但处理有多个上下文。

1. 建议患者在家中为膝盖使用冰袋 [治疗 - 家庭护理]
2. 患者在诊所接受了冰袋[治疗 - 在诊所]

NER 模型在上述所有句子中提取冰袋作为治疗实体，但我如何让它学习上下文并进一步识别治疗是家庭护理建议还是诊所内。上下文应该根据周围的词来学习（继续和跟随两者）。

我应该为这个用例使用什么技术？我不想在 NER 之上使用基于规则的技术，我已经使用过这些技术，但我希望以更复杂的方式做到这一点。

对于实体识别，我使用的是预训练的生物医学 NER（来自 Scispacy libaray），并使用 Entity Ruler 添加了我的自定义实体。

Answer 1

我建议您将此视为分类问题。给定像你的例子这样的句子，训练一个分类器来预测像 HOME/CLINIC/OTHER 这样的标签。标记示例应该很容易，您可以使用 spaCy textcat 模型。

需要注意的一点是，你知道你的数据中每个标签的比例大概应该是多少吗？如果它真的不平衡，那可能是个问题，你可能需要稍微改变你的方法。

您也可以为 LOCATION 添加一个 NER 标签，但我怀疑它会更难标记，并且与您的数据不匹配。

另一个主要优点是测试速度快的方法是识别介词短语，如“at SOMEWHERE”或“in the SOMEWHERE”。使用它，您可能会发现仅匹配“在家”之类的短语就可以标记数据集的很大一部分。我知道你说你想使用更复杂的东西，但如果简单的东西有效，那就值得使用。