基于多模态知识表示的细粒度化学实体类型标注
计算与语言
2021-08-31 v1 机器学习
摘要
从趋势性化学文献中自动发现知识对于更高效的生物医学研究至关重要。如何从核心化学文献中提取关于化学反应的详细知识是一个尚未被充分研究的新兴挑战。本文研究细粒度化学实体类型标注这一新问题,其带来了有趣的新挑战,尤其是由于化学文献中频繁出现的复杂名称指称以及实体的图形表示。我们引入了一个新的基准数据集(CHEMET)以促进该新任务的研究,并提出了一种新颖的多模态表示学习框架,通过利用带有化学结构的外部资源并使用跨模态注意力来学习化学领域文本的有效表示,从而解决细粒度化学实体类型标注问题。实验结果表明,所提出的框架优于多种最先进的方法。
引用
@article{arxiv.2108.12899,
title = {Fine-Grained Chemical Entity Typing with Multimodal Knowledge Representation},
author = {Chenkai Sun and Weijiang Li and Jinfeng Xiao and Nikolaus Nova Parulian and ChengXiang Zhai and Heng Ji},
journal= {arXiv preprint arXiv:2108.12899},
year = {2021}
}