“抑郁与 cannabis 相关吗？”：一种有限监督下融合知识的实体与关系抽取模型

随着对 cannabis 使用可改善心理健康益处的强力营销倡导，cannabis 合法化成为立法者优先事项。然而，初步科学研究并未确凿将 cannabis 与改善心理健康相关联。本研究中，我们在一个涉及出于改善潜在心理健康意图的个人 cannabis 使用的定向社交媒体语料中，探索抑郁与 cannabis 消费间关系。我们使用包含领域专家标注的三类——原因（Reason）、效应（Effect）与成瘾（Addiction）——间关联的推文。最先进的自然语言处理（NLP）技术在抽取 cannabis 短语与抑郁指标间这些关系上表现不足。我们寻求通过利用领域知识解决该局限；具体而言，用于成瘾的 Drug Abuse Ontology 辅以用于心理健康的《精神疾病诊断与统计手册》词库。由于领域专家时间有限导致标注缺乏，我们使用有监督对比学习结合在海量语料上训练的 GPT-3，即便在有限监督下也取得改进性能。实验结果表明，我们的方法比最先进的关系抽取器显著更好地抽取 cannabis-抑郁关系。可利用基于所学表示的近邻方法提供高质量标注，供科学界更好理解 cannabis 与抑郁间关联。