利用知识选择改进神经蛋白质-蛋白质相互作用抽取
计算与语言
2019-12-12 v1
摘要
从已发表的科学文献中抽取蛋白质-蛋白质相互作用(PPI)为精准医疗工作提供了额外支持。同时,知识库(KBs)包含大量蛋白质实体及其关系的结构化信息,这些信息可被编码为实体与关系嵌入以帮助PPI抽取。然而,蛋白质对先验知识必须被选择性地使用,以适配不同上下文。本文提出一种知识选择模型(KSM)来融合选定的先验知识与上下文信息用于PPI抽取。首先,两个Transformer根据各自的蛋白质嵌入分别编码一个蛋白质对的上下文序列。然后,将两个输出输入互注意力以捕获面向该蛋白质对的重要上下文特征。接着,上下文特征通过知识选择器来提炼关系嵌入。最后,将选定的关系嵌入与上下文特征拼接用于PPI抽取。在BioCreative VI PPI数据集上的实验表明,KSM通过加入知识选择达到了新的最优性能(38.08% F1-score)。
引用
@article{arxiv.1912.05147,
title = {Improving Neural Protein-Protein Interaction Extraction with Knowledge Selection},
author = {Huiwei Zhou and Xuefei Li and Weihong Yao and Zhuang Liu and Shixian Ning and Chengkun Lang and Lei Du},
journal= {arXiv preprint arXiv:1912.05147},
year = {2019}
}
备注
Published in Computational Biology and Chemistry; 14 pages, 2 figures