Resumen

La web se está cargando diariamente con un enorme volumen de datos, principalmente datos textuales no estructurados, lo que aumenta significativamente la necesidad de extracción de información y sistemas de procesamiento del lenguaje natural (NLP, por sus siglas en inglés). La tarea de reconocimiento de entidades nombradas es un paso clave hacia la comprensión eficiente de los datos de texto y el ahorro de tiempo y esfuerzo. Siendo un idioma ampliamente utilizado a nivel mundial, el inglés está dominando la mayoría de la investigación realizada en este campo, especialmente en el ámbito biomédico. A diferencia de otros idiomas, el árabe sufre de falta de recursos. Este trabajo presenta un modelo basado en BERT para identificar entidades nombradas biomédicas en los datos de texto en árabe (específicamente entidades nombradas de enfermedades y tratamientos) que investiga la efectividad de preentrenar un modelo BERT monolingüe con un conjunto de datos biomédicos a pequeña escala para mejorar la comprensión del modelo del texto biomédico en ár

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Volumen enorme; Extracción de información; Sistemas de PNL; Reconocimiento de entidades nombradas; Dominio biomédico; Modelo basado en BERT
• Keywords:Huge volume; Information extraction; NLP systems; Named-entity recognition; Biomedical domain; BERT-based model