文献

J-GLOBAL ID：201802227737137161   整理番号：18A0161725

深い畳込みニューラルネットワークを用いた薬物-薬物相互作用関係の抽出【Powered by NICT】

Drug-drug interaction relation extraction with deep convolutional neural networks

著者 (3件)： Dewi Ika Novita (Guangdong Key Laboratory of Communication and Computer Network, School of Computer Science & Engineering, South China University of Technology, China) ,  Dong Shoubin (Guangdong Key Laboratory of Communication and Computer Network, School of Computer Science & Engineering, South China University of Technology, China) ,  Hu Jinlong (Guangdong Key Laboratory of Communication and Computer Network, School of Computer Science & Engineering, South China University of Technology, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： BIBM  ページ： 1795-1802  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 薬物-薬物相互作用(DDI)関係抽出は文における薬物間相互作用を予測することを目的とした多クラス分類問題である。関係抽出における畳込みニューラルネットワーク(CNN)の構成は通常浅い構造層は,与えられた入力テキスト中の情報は完全に捕捉されるできることを適用し,特徴抽出プロセス中に捕捉した検出された薬物関連またはいくつかの関連の無い単語を含む長い文章を捉えることに失敗する。DDI関係抽出のためのDeepCNNと呼ばれるCNN層の拡張深さを提案した。DeepCNN学習表現の高品質を学習する,DDIExtractionデータセットの典型的な長い入力文をカバーすることができる。語彙を拡大し,未知語の数を減少させるための多チャネル単語埋込みを用い,Adam更新はDDI関係抽出のためのDeepCNNのネットワークパラメータを自動的に学習に対する和則。実験は10層DeepCNNのアーキテクチャは,DDI関係抽出において従来CNN法と比較して有意な改善を得ることに成功したことを示した。結果は,CNNはDDI関係抽出のためのロバストで,非凡であることを証明した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 語彙 ,  学習 ,  単語 ,  計算機アーキテクチャ ,  総和則 ,  *薬物相互作用 ,  特徴抽出 ,  ロバスト性
準シソーラス用語： ネットワークパラメータ ,  マルチチャネル ,  未知語 ,  テキスト ,  多クラス分類 ,  関係抽出 ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 畳込みニューラルネットワーク ,  薬物 ,  薬物相互作用 ,  関係の抽出