Adaptación efectiva de un reconocedor de entidades nombradas basado en un modelo oculto de Markov para el dominio biomédico

En este documento, exploramos cómo adaptar efectivamente un reconocedor de entidades nombradas basado en un modelo oculto de Markov al dominio biomédico. Integramos diversas características, incluyendo características deterministas simples, características morfológicas, características de etiquetas de partes del habla y características de disparo semántico, para capturar diversas evidencias, especialmente para entidades nombradas biomédicas, y evaluamos sus contribuciones. También presentamos un algoritmo simple para resolver el problema de las abreviaturas y un método basado en reglas para tratar con los fenómenos en cascada en el dominio biomédico. Nuestros experimentos en GENIA V3.0 y GENIA V1.1 logran un F-measure de 66.1 y 62.5 respectivamente, superando los mejores resultados publicados anteriormente por 8.1 F-measure al utilizar los mismos datos de entrenamiento y prueba.