基于神经网络的药物实体与关系联合抽取

被引：73

作者：

曹明宇

杨志豪

罗凌

林鸿飞

王健

机构：

[1] 大连理工大学计算机科学与技术学院

来源：

计算机研究与发展 | 2019年 / 07期

基金：

国家重点研发计划;

关键词：

联合抽取; 标注模式; 药物-药物交互; 关系抽取; 实体识别;

D O I：

暂无

中图分类号：

R91 [药物基础科学]; TP391.1 [文字信息处理]; TP183 [人工神经网络与计算];

学科分类号：

100705 [微生物与生化药学]; 120506 [数字人文]; 140502 [人工智能];

摘要：

药物实体及关系抽取研究对于生物医学研究具有重要的促进作用,也是进一步构建生物医学知识库的基础.现存方法主要采用流水线方式,即先对文本进行实体识别后再对实体对进行关系分类.流水线方法主要存在任务错误传播、未能考虑2个子任务的相互影响和句子中不同关系的相互影响的问题.针对这些问题,提出了一种基于神经网络的药物实体与关系联合抽取方法.使用了一种新标注模式,将药物实体及关系的联合抽取转化为端对端的序列标注任务.使用词向量和字符向量作为词表示输入,使用BiLSTM-CRF模型进行药物实体与关系联合抽取.实验结果表明:在药物-药物交互作用(drug-drug interactions, DDI)2013语料集上,取得了89.9%的实体识别F-score及67.3%的关系抽取F-score,优于使用相同模型的流水线方法.

引用

页码：1432 / 1440

页数：9

共 3 条

[1]

Drug drug interaction extraction from biomedical literature using syntax convolutional neural network[J] Zhehuan Zhao;Zhihao Yang;Ling Luo;Hongfei Lin;Jian Wang Bioinformatics 2016,

[2]

Automatic early stopping using cross validation: quantifying the criteria[J] Lutz Prechelt Neural Networks 1998,

[3]

Joint extraction of entities and relationsbased on a novel tagging scheme Zheng S;Wang F;Bao H et al; Proc of ACL 2017,

← 1 →