何时需要实体替换才能进行关系提取？

Question

在此tutorial“训练机器学习分类器以从医学文献中提取关系”中，作者进行了实体替换，因为“我们不希望模型根据特定的实体名称进行学习，但是我们希望它根据文本的结构来学习。”

这通常是正确的还是取决于数据集或使用的模型？

Answer 1

实体替换与其他文本转换技术（包括词干和词根化）非常相似，通常是关系提取过程的一部分，因为它会增加每个要素的观察次数。比例的增加可能会帮助解决您的问题，具体取决于数据集的大小，要素的质量，要素提取的类型以及模型的复杂性。

一个好的经验法则是根据对数据集的理解来定义您的目标，然后定义您的可接受的表示形式。例如，给定的教程着手了解miRNA与基因之间的关系。作者还可以，在相同的实体名称下将miRNA-335，miRNA-342，miRNA-100等分组。

在场景中，您对语料库不了解，可以在不替换实体的情况下开始，检查结果并了解模型的偏差方差折衷。然后，如果需要，请尝试使用一些聚类技术后尝试更换实体。