基于深度学习的中文生物医学实体关系抽取系统

被引：19

作者：

丁泽源 ^{[1
]}

杨志豪 ^{[1
]}

罗凌 ^{[1
]}

王磊 ^{[2
]}

张音 ^{[2
]}

林鸿飞 ^{[1
]}

王健 ^{[1
]}

机构：

[1] 大连理工大学计算机科学与技术学院

[2] 军事医学科学院

来源：

中文信息学报 | 2021年 / 35卷 / 05期

基金：

国家重点研发计划;

关键词：

命名实体识别; 关系抽取; 条件随机场; 双向长短期记忆网络;

D O I：

暂无

中图分类号：

R318 [生物医学工程]; TP391.1 [文字信息处理]; TP18 [人工智能理论];

学科分类号：

0831 ; 081203 ; 0835 ; 081104 ; 0812 ; 1405 ;

摘要：

在生物医学文本挖掘领域,生物医学的命名实体和关系抽取具有重要意义。然而目前中文生物医学实体关系标注语料十分稀缺,这给中文生物医学领域的信息抽取任务带来许多挑战。该文基于深度学习技术搭建了中文生物医学实体关系抽取系统。首先利用公开的英文生物医学标注语料,结合翻译技术和人工标注方法构建了中文生物医学实体关系语料。然后在结合条件随机场(Conditional Random Fields, CRF)的双向长短期记忆网络(Bi-directional LSTM, BiLSTM)模型上加入了基于生物医学文本训练的中文ELMo (Embedding from Language Model)完成中文实体识别。最后使用结合注意力(Attention)机制的双向长短期记忆网络抽取实体间的关系。实验结果表明,该系统可以准确地从中文文本中抽取生物医学实体及实体间关系。

引用

页码：70 / 76

页数：7

共 15 条

[11]

Introduction to the bio-entity recognitiontask at JNLPBA . Kim J D et al. Proc.the International Workshop onNatural Language Processing in Biomedicine and Its Applica-tions (JNLPBA2004) . 2004

[12]

Community challenges in biomedical text mining over 10 years: success, failure and the future[J] . Huang Chung-Chi,Lu Zhiyong. riefings in bioinformatics . 2016 (1)

[13]

PPInterFinder--a mining tool for extracting causal relations on human proteins from literature[J] . Raja Kalpana,Subramani Suresh,Natarajan Jeyakumar. atabase : the journal of biological databases and curation . 2013 (1)

[14]

Bidirectional LSTM-CRF Models for Sequence Tagging[J] . Zhiheng Huang,Wei Xu,Kai Yu 0001. oRR . 2015

[15]

Efficient Estimation of Word Representations in Vector Space[J] . Tomas Mikolov,Kai Chen 0010,Greg Corrado,Jeffrey Dean. oRR . 2013

← 1 2 →