基于长短期记忆网络从生物医学文本抽取药物-药物相互作用
计算与语言
2017-08-15 v2
摘要
多种药物同时给药可能产生协同或拮抗效应，因为一种药物可影响其他药物的活性。协同效应改善治疗效果，而拮抗效应可能危及生命、增加医疗成本甚至导致死亡。因此，识别未知的药物-药物相互作用（DDI）对于高效有效的医疗至关重要。尽管存在多种DDI资源，但它们往往跟不上快速增长中的生物医学文本里丰富的信息。大多数现有方法将文本中的DDI抽取建模为分类问题，主要依赖手工特征。其中部分特征进一步依赖于特定领域的工具。最近，使用潜在特征的神经网络模型已被证明能给出与依赖手工特征的现有模型相似或更好的性能。本文提出三种基于长短期记忆（LSTM）网络的模型，即B-LSTM、AB-LSTM和Joint AB-LSTM。三种模型均利用词嵌入与位置嵌入作为潜在特征，因此不依赖显式特征工程。此外，双向长短期记忆（Bi-LSTM）网络的使用允许从整个句子中进行隐式特征提取。AB-LSTM与Joint AB-LSTM两种模型还在Bi-LSTM层输出上使用注意力池化（attentive pooling）为特征分配权重。在SemEval-2013 DDI抽取数据集上的实验结果表明，Joint AB-LSTM模型优于所有现有方法，包括那些依赖手工特征的方法。另两种提出的LSTM模型也与最先进方法具有竞争力。
引用
@article{arxiv.1701.08303,
title = {Drug-Drug Interaction Extraction from Biomedical Text Using Long Short Term Memory Network},
author = {Sunil Kumar Sahu and Ashish Anand},
journal= {arXiv preprint arXiv:1701.08303},
year = {2017}
}
备注
Under review to the Journal of Biomedical Informatics