融合依存信息与先验知识的化学诱导疾病关系抽取
计算与语言
2020-01-03 v1
摘要
化学-疾病关系（CDR）抽取对于生物医学研究与医疗保健的诸多领域具有重要意义。如今，许多包含实体对及其关系三元组的大规模生物医学知识库（KBs）已被构建。KBs 是生物医学关系抽取的重要资源。然而，以往研究很少关注先验知识。此外，依存树包含重要的句法与语义信息，有助于改进关系抽取，因此如何有效利用它也值得研究。本文提出一种新颖的卷积注意力网络（CAN）用于 CDR 抽取。首先，我们提取句子中化学与疾病对之间的最短依存路径（SDP），其包含词序列、依存方向与依存关系标签。然后在 SDP 上执行卷积操作以产生深度语义依存特征。此后，采用注意力机制学习与从 KBs 学到的知识表示相关的各语义依存向量的重要性/权重。最后，为融合依存信息与先验知识，将加权语义依存表示与知识表示的拼接送入 softmax 层进行分类。在 BioCreative V CDR 数据集上的实验表明，我们的方法与最先进系统性能相当，且依存信息与先验知识在 CDR 抽取任务中均发挥重要作用。
引用
@article{arxiv.2001.00295,
title = {Chemical-induced Disease Relation Extraction with Dependency Information and Prior Knowledge},
author = {Huiwei Zhou and Shixian Ning and Yunlong Yang and Zhuang Liu and Chengkun Lang and Yingyu Lin},
journal= {arXiv preprint arXiv:2001.00295},
year = {2020}
}
备注
Published on Journal of Biomedical Informatics, 13 pages