在预测药物-药物相互作用中融入实体特定知识图谱信息
计算与语言
2020-12-22 v1 人工智能
摘要
从近期发布的各种预训练语言模型（如BERT、XLNET）获得的现成生物医学嵌入，已在生物医学领域的各种自然语言理解任务（NLU）上展示出最先进的准确率结果。关系分类（RC）是最关键的任务之一。在本文中，我们探索如何融入从知识图谱（KG）嵌入获得的生物医学实体（如药物、疾病、基因）的领域知识，以从文本语料预测药物-药物相互作用。我们提出一种新方法BERTKG-DDI，将药物从其与其他生物医学实体相互作用中获得的嵌入，与基于领域特定BioBERT嵌入的RC架构相结合。在DDIExtraction 2013语料上的实验清楚表明，该策略以4.1%的宏F1分数优于其他基线架构。
引用
@article{arxiv.2012.11142,
title = {Towards Incorporating Entity-specific Knowledge Graph Information in Predicting Drug-Drug Interactions},
author = {Ishani Mondal},
journal= {arXiv preprint arXiv:2012.11142},
year = {2020}
}