用于抽取化学物质、疾病与基因间生物医学关系的远程监督语料库
计算与语言
2022-04-15 v1 人工智能
摘要
我们介绍了 ChemDisGene，一个用于训练和评估多类多标签文档级生物医学关系抽取模型的新数据集。我们的数据集包含 80k 篇生物医学研究摘要，标注了化学物质、疾病和基因的提及，其中部分由人类专家标注了这些实体间 18 类生物医学关系（用于评估），其余部分（用于训练）通过 CTD 数据库进行远程标注，准确率约为 78%。与类似的已有数据集相比，我们的数据集规模更大且更干净；它还包含将提及链接到其实体的标注。我们还提供了三个在新技术数据集上训练和评估的基线深度神经网络关系抽取模型。
引用
@article{arxiv.2204.06584,
title = {A Distant Supervision Corpus for Extracting Biomedical Relationships Between Chemicals, Diseases and Genes},
author = {Dongxu Zhang and Sunil Mohan and Michaela Torkar and Andrew McCallum},
journal= {arXiv preprint arXiv:2204.06584},
year = {2022}
}
备注
LREC 2022 (Oral)