BERE：一种精确的长距离监督生物医学实体关系抽取网络
计算与语言
2019-06-25 v2
摘要
从文献中自动抽取实体关系（RE）是为构建生物医学数据库提供的重要来源，其比人工整理更高效且可扩展。然而，现有的 RE 模型通常忽略句子结构与目标实体中所包含的信息。本文中，我们提出 BERE，一种基于深度学习的模型，其使用 Gumbel Tree-GRU 学习句子结构，并使用联合嵌入整合实体信息。它还采用词级注意力以改进关系抽取，并采用句子级注意力以适应长距离监督数据集。由于现有数据集相对较小，我们通过远距离监督进一步构建了大得多的药物-靶点相互作用抽取（DTIE）数据集。在 DDIExtraction 2013 任务与 DTIE 数据集上进行的实验表明，我们的模型在 F1 值与 PR 曲线方面优于最先进的基线。
引用
@article{arxiv.1906.06916,
title = {BERE: An accurate distantly supervised biomedical entity relation extraction network},
author = {Lixiang Hong and JinJian Lin and Jiang Tao and Jianyang Zeng},
journal= {arXiv preprint arXiv:1906.06916},
year = {2019}
}
备注
My tutor told me to withdraw this paper at once