池化方法在基于深度学习的生物医学关系抽取中的有效性研究
计算与语言
2019-11-05 v1
摘要
深度学习模型已在许多关系抽取数据集上取得最先进的性能。这些深度学习模型中的一个常见要素是池化机制，即将隐藏向量序列聚合以生成单一表示向量，作为执行关系抽取（RE）预测的特征。遗憾的是，文献中的模型往往采用不同策略进行 RE 的池化，导致难以确定该问题的最佳池化机制，尤其在生物医学领域。为回答此问题，本文开展了一项综合研究，评估不同池化机制在生物医学 RE 深度学习模型中的有效性。实验结果表明，基于依赖的池化是生物医学领域 RE 的最佳池化策略，在两个基准数据集上取得了该问题的当前最优性能。
引用
@article{arxiv.1911.01055,
title = {On the Effectiveness of the Pooling Methods for Biomedical Relation Extraction with Deep Learning},
author = {Tuan Ngo Nguyen and Franck Dernoncourt and Thien Huu Nguyen},
journal= {arXiv preprint arXiv:1911.01055},
year = {2019}
}