BactInt：一种领域驱动的迁移学习方法及用于从生物医学文本抽取细菌间相互作用的语料库
信息检索
2023-05-15 v1 人工智能
计算与语言
机器学习
定量方法
摘要
生物生境中存在的不同类型微生物群落对系统功能起着非常重要的作用。不同微生物间的串扰或相互作用构成了此类微生物群落结构的基本单元。生物医学文本中报道的证据可作为预测此类相互作用的可靠来源。然而，浏览海量且不断增长的生物医学文献是一项令人生畏且耗时的过程。这亟需开发能够准确抽取生物医学文献中报道的细菌关系的自动化方法。本文中，我们介绍了一种从生物医学文献自动抽取微生物（特指细菌间）相互作用的方法，以及利用迁移学习提升其准确性的途径。我们还描述了一条可挖掘特定细菌群体间关系的流水线。此外，我们推出了首个公开可用数据集，可用于开发细菌相互作用抽取方法。
引用
@article{arxiv.2305.07468,
title = {BactInt: A domain driven transfer learning approach and a corpus for extracting inter-bacterial interactions from biomedical text},
author = {Krishanu Das Baksi and Vatsala Pokhrel and Kuntal Kumar Bhusan and Sharmila Mande},
journal= {arXiv preprint arXiv:2305.07468},
year = {2023}
}