基于层次知识图的生物医学事件抽取
计算与语言
2020-10-13 v3 人工智能
摘要
生物医学事件抽取对于理解科学语料中描述的生物分子交互至关重要。主要挑战之一是识别与非指示性触发词相关联的嵌套结构化事件。我们提出通过图边条件注意力网络(GEANet)和层次图表示,将统一医学语言系统(UMLS)的领域知识融入预训练语言模型。为更好地识别触发词,每句话首先基于从 UMLS 联合建模的层次知识图接地为句子图。随后接地图由 GEANet(一种用于增强复杂事件推断能力的新型图神经网络)进行传播。在 BioNLP 2011 GENIA 事件抽取任务上,我们的方法在所有事件和复杂事件上分别取得了 1.41% F1 和 3.19% F1 的提升。消融实验证实了 GEANet 和层次 KG 的重要性。
引用
@article{arxiv.2009.09335,
title = {Biomedical Event Extraction with Hierarchical Knowledge Graphs},
author = {Kung-Hsiang Huang and Mu Yang and Nanyun Peng},
journal= {arXiv preprint arXiv:2009.09335},
year = {2020}
}
备注
8 pages, 3 figures, Findings of EMNLP 2020 (short)