面向生物医学关系分类的误差感知课程学习
计算与语言
2025-07-22 v1
摘要
生物医学文本中的关系分类是构建知识图谱并实现药物再定位和临床决策等应用的关键任务。我们提出一种基于误差感知的教师-学生框架，通过大型语言模型（GPT-4o）提供结构化指导来提高关系分类性能。基线学生模型的预测失败由教师分析，分类错误类型、分配难度得分，并生成针对性的补救措施，包括句子改写和基于知识图谱的丰富化建议。这些丰富化的注释用于通过指令调谋训练第一个学生模型。该模型随后在更广泛的数据集上注释难度得分和补救增强的输入。随后，在按难度排序的数据集上进行课程学习，以促进稳健且渐进的学习。我们还从 PubMed 摘要构建了一个异构生物医学知识图谱，以支持情境感知的关系分类。我们的方案在 4 个 PPI 数据集和 DDI 数据集上实现了新的状态最佳性能，而在 ChemProt 数据集上保持竞争性能。
引用
@article{arxiv.2507.14374,
title = {Error-Aware Curriculum Learning for Biomedical Relation Classification},
author = {Sinchani Chakraborty and Sudeshna Sarkar and Pawan Goyal},
journal= {arXiv preprint arXiv:2507.14374},
year = {2025}
}
备注
16 pages, 2 figures