基于生物医学文本语义解析的生物分子相互作用抽取
计算与语言
2015-12-08 v1 人工智能
信息检索
信息论
机器学习
math.IT
摘要
我们在生物分子相互作用抽取方面推进了现有技术水平，贡献有三：(i) 我们表明，与仅依赖基于表层和句法特征的基线相比，深层的抽象意义表示（Abstract Meaning Representations, AMR）显著提高了生物分子相互作用抽取系统的准确率；(ii) 与以往逐句推断关系的方法不同，我们扩展了框架，以支持在句子集合（文档）上的一致预测；(iii) 我们进一步修改并扩展了一个图核学习框架，以同时利用自动生成的 AMR（语义）和依存结构（句法）表示。我们的实验表明，我们的方法在训练与测试条件存在显著不匹配的环境中能产生更鲁棒的交互抽取系统。
引用
@article{arxiv.1512.01587,
title = {Extracting Biomolecular Interactions Using Semantic Parsing of Biomedical Text},
author = {Sahil Garg and Aram Galstyan and Ulf Hermjakob and Daniel Marcu},
journal= {arXiv preprint arXiv:1512.01587},
year = {2015}
}
备注
Appearing in Proceedings of the Thirtieth AAAI Conference on Artificial Intelligence (AAAI-16)