结合上下文与知识表示用于化学物质-疾病关系抽取
计算与语言
2019-12-24 v1
摘要
自动抽取化学物质与疾病之间的关系对生物医学研究与医疗保健的诸多领域具有重要意义。生物医学专家已构建了许多大规模知识库（KBs）以推动生物医学研究的发展。KBs包含关于实体与关系的海量结构化信息，因此在化学物质-疾病关系（CDR）抽取中起着关键作用。然而，以往研究较少关注KBs中存在的先验知识。本文提出一种基于神经网络的注意力模型（NAM）用于CDR抽取，该模型充分利用文档中的上下文信息与KBs中的先验知识。对于文档中的一对实体，采用注意力机制根据从KBs中学到的关系表示来筛选重要的上下文词。在BioCreative V CDR数据集上的实验表明，通过注意力机制结合上下文与知识表示，可显著提升CDR抽取性能，同时取得与最先进系统相当的结果。
引用
@article{arxiv.1912.10604,
title = {Combining Context and Knowledge Representations for Chemical-Disease Relation Extraction},
author = {Huiwei Zhou and Yunlong Yang and Shixian Ning and Zhuang Liu and Chengkun Lang and Yingyu Lin and Degen Huang},
journal= {arXiv preprint arXiv:1912.10604},
year = {2019}
}
备注
Published on IEEE/ACM Transactions on Computational Biology and Bioinformatics, 11 pages, 5 figures