基于SVM、CNN与RNN模型集成的化学-蛋白质关系抽取
计算与语言
2018-02-06 v1
摘要
从文本中挖掘化学物质与蛋白质之间的关系是一项日益重要的任务。BioCreative VI 的 CHEMPROT 评测旨在推动能够自动识别运行文本（PubMed 摘要）中化学-蛋白质关系的系统的开发与评估。本文描述了我们的提交系统，它是一个由三个系统组成的集成，包括支持向量机（Support Vector Machine）、卷积神经网络（Convolutional Neural Network）和循环神经网络（Recurrent Neural Network）。它们的输出通过基于多数投票或堆叠的决策进行组合。我们的 CHEMPROT 系统在精确率上取得 0.7266，在召回率上取得 0.5735，f 值为 0.6410，证明了基于机器学习的方法在从生物医学文献中自动抽取关系方面的有效性。我们的提交在 2017 年挑战赛中取得了该任务的最高性能。
引用
@article{arxiv.1802.01255,
title = {Chemical-protein relation extraction with ensembles of SVM, CNN, and RNN models},
author = {Yifan Peng and Anthony Rios and Ramakanth Kavuluru and Zhiyong Lu},
journal= {arXiv preprint arXiv:1802.01255},
year = {2018}
}
备注
Accepted in Proceedings of the BioCreative VI Workshop