BiOnt：利用多种生物医学本体进行关系抽取的深度学习系统
信息检索
2020-04-22 v2
摘要
成功的生物医学关系抽取能够为研究人员和临床医生提供关于生物医学实体间可能未知关联的证据，推进我们关于这些实体及其固有机制的现有知识。大多数生物医学关系抽取系统不借助外部知识源，如特定领域本体。然而，近期研究表明，将深度学习方法与生物医学本体结合能有效推动生物医学关系抽取领域的发展。为执行关系抽取，我们的深度学习系统 BiOnt 采用了四类生物医学本体，即分别关于基因产物、表型、疾病和化合物的基因本体（Gene Ontology）、人类表型本体（Human Phenotype Ontology）、人类疾病本体（Human Disease Ontology）以及生物兴趣化学实体（Chemical Entities of Biological Interest）。我们用三个代表三类不同生物医学实体关系的数据集测试了系统。相较于当前最优（SOTA），BiOnt 在 F 值上实现了药物-药物相互作用（DDI corpus）提升 4.93 个百分点、表型-基因关系（PGR corpus）提升 4.99 个百分点、化学诱导疾病关系（BC5CDR corpus）提升 2.21 个百分点。支持该系统的代码见 https://github.com/lasigeBioTM/BiOnt。
引用
@article{arxiv.2001.07139,
title = {BiOnt: Deep Learning using Multiple Biomedical Ontologies for Relation Extraction},
author = {Diana Sousa and Francisco M. Couto},
journal= {arXiv preprint arXiv:2001.07139},
year = {2020}
}
备注
ECIR 2020