通过图神经网络注意语法信息进行生物医学事件抽取
计算与语言
2025-01-22 v2
摘要
文献中提出了许多用于生物医学事件抽取(BEE)的模型，其中一些模型使用最短依赖路径(SDP)信息来表示论元分类任务。这种表示方法存在问题：即使从依赖解析图中遗漏一个词，也可能完全改变最终预测。为此，本文使用依赖图的完整邻接矩阵通过图卷积网络(GCN)对单个token进行嵌入。还进行消融研究以显示依赖图对整体性能的影响。结果表明，当使用依赖图信息时，性能显著提升。在不同数据集上，所提模型略微超越了生物医学事件抽取的最先进方法。
引用
@article{arxiv.2501.01158,
title = {Attending To Syntactic Information In Biomedical Event Extraction Via Graph Neural Networks},
author = {Farshad Noravesh and Reza Haffari and Ong Huey Fang and Layki Soon and Sailaja Rajalana and Arghya Pal},
journal= {arXiv preprint arXiv:2501.01158},
year = {2025}
}
备注
6 figures, 4 tables