生物医学实体与关系抽取的广义知识增强框架
计算与语言
2024-08-14 v1 人工智能
信息检索
机器学习
摘要
近年来，用于生物医学实体与关系抽取的框架数量不断增加。这一研究努力旨在应对生物医学出版物加速增长以及生物医学文本的复杂性，这些文本主要为领域专家撰写。为应对这些挑战，我们开发了一个利用外部知识构建任务独立且可复用的生物医学背景知识图谱的新型框架。我们的模型设计灵感来源于人类学习领域特定主题的方式。具体而言，人类通常首先获取关于某一领域最基本和最常见的知识以建立基础知识，然后将其作为基础扩展到各种专业主题。我们的框架利用这种共享通用知识的机制来构建一个通用的神经网络知识图谱，该知识图谱可有效迁移到不同的领域特定生物医学文本。实验评估表明，配备这种通用且跨迁移知识库的模型在包括 BioRelEx（结合相互作用检测）和 ADE（药物不良反应识别）在内的基准测试中取得了具有竞争力的性能。
引用
@article{arxiv.2408.06618,
title = {Generalized knowledge-enhanced framework for biomedical entity and relation extraction},
author = {Minh Nguyen and Phuong Le},
journal= {arXiv preprint arXiv:2408.06618},
year = {2024}
}