背景:基因命名实体的分类和识别是生物医学文献中文本挖掘的关键性初步步骤。 基于机器学习的方法已在这一领域获得了巨大成功。 在大多数最新系统中,精心设计的词汇功能(例如单词,n-gram和形态模式)已发挥了核心作用。 但是,这种类型的特征往往会导致特征空间中的极度稀疏。 结果,由于缺乏信息,训练数据中的词汇不足(OOV)术语无法很好地建模。 结果:我们提出了一个通用的基因命名框架,称为实体表示,称为特征耦合泛化(FCG)。 基本思想是在大量未标记数据中使用术语频率和高度指示性特征的共现信息来生成更高级别的特征。 我们在命名实体分类任务中检查了它的性能,该任务旨在删除源自在线资源的大型词典中的非基