基于搜索的神经网络模型用于生物医学嵌套与重叠事件检测
计算与语言
2019-10-28 v2
摘要
我们处理嵌套与重叠事件检测任务，并提出一种新颖的基于搜索的神经网络（SBNN）结构化预测模型，该模型将任务视为触发词-论元结构关系图上的搜索问题。与依存句法分析等已有结构化预测任务不同，该任务旨在从关系图中检测构成事件的 DAG 结构。我们定义用于构建事件的动作，并利用集束搜索中的所有束来检测所有可能重叠与嵌套的事件结构。搜索过程以自底向上的方式构建事件，同时利用神经网络对嵌套与重叠结构的全局属性进行建模。我们表明，在不使用任何句法与人工设计特征的情况下，该模型在 BioNLP 癌症遗传学（CG）2013 共享任务上取得了与最先进模型 Turku Event Extraction System（TEES）相当的性能。在开发集上的进一步分析表明，我们的模型在计算效率更高同时取得了更高的 F1 分数性能。
引用
@article{arxiv.1910.10281,
title = {A Search-based Neural Model for Biomedical Nested and Overlapping Event Detection},
author = {Kurt Espinosa and Makoto Miwa and Sophia Ananiadou},
journal= {arXiv preprint arXiv:1910.10281},
year = {2019}
}
备注
Accepted at EMNLP-IJCNLP 2019