BioIE：基于多头注意力增强图卷积网络的生物医学信息抽取
计算机视觉与模式识别
2021-10-27 v1 人工智能
计算与语言
摘要
构建大规模医学知识图谱可显著促进医疗监测等医疗应用，近年来受到广泛关注。构建大规模医学知识图谱（MKG）的关键步骤是从医疗报告中抽取信息。近期已有信息抽取技术被提出，并在生物医学信息抽取中展现出良好性能。然而，由于生物医学文本数据含有复杂实体关联且噪声大，这些方法仅考虑有限类型的实体与关系，因而无法为构建 MKG 提供足够信息，限制了下游应用。为解决此问题，我们提出 Biomedical Information Extraction（BioIE），一种混合神经网络，用于从生物医学文本与非结构化医疗报告中抽取关系。我们的模型利用多头注意力增强图卷积网络来捕捉复杂关系与上下文信息，同时抑制数据中的噪声。我们在两个主要生物医学关系抽取任务（化学-疾病关系与化学-蛋白质相互作用）以及一个跨医院泛癌病理报告语料库上评估了模型。结果表明，我们的方法优于基线。此外，我们在迁移学习设定下评估了方法的适用性，并显示 BioIE 在处理不同格式与写作风格的医疗文本时具有良好性能。
引用
@article{arxiv.2110.13683,
title = {BioIE: Biomedical Information Extraction with Multi-head Attention Enhanced Graph Convolutional Network},
author = {Jialun Wu and Yang Liu and Zeyu Gao and Tieliang Gong and Chunbao Wang and Chen Li},
journal= {arXiv preprint arXiv:2110.13683},
year = {2021}
}
备注
BIBM 2021 accepted, including 9 pages, 1 figure