文献

J-GLOBAL ID：202002265412560003   整理番号：20A1137529

融合BSRUとATT-CNNの化学物質と疾患との関係抽出方法【JST・京大機械翻訳】

Extracting Relationships Between Chemical Substances and Diseases with Bidirectional Simple Recurrent Unit and Attention Based Convolutional Neural Network

著者 (2件)： Cao Chunping (上海理工大学 光電信息与計算机工程学院,上海,200093) ,  He Yazhe (上海理工大学 光電信息与計算机工程学院,上海,200093)
資料名： Xiaoxing Weixing Jisuanji Xitong  (Xiaoxing Weixing Jisuanji Xitong)
巻： 41  号： 4  ページ： 794-799  発行年： 2020年 
JST資料番号： C2136A  ISSN： 1000-1220  CODEN： XWJXEH  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 医学テキストには、ある化学物質が複数の異なる疾患と同時に関連する場合があるが、従来の深さ学習方法は、文の長距離依存情報やその他のテキスト特徴を十分に利用できないため、医学実体が多い長いテキストには、核心実体関係が不正確であるという問題がある。このために,双方向単純循環ニューラルネットワーク(BSRU)と注意機構を持つ畳込みニューラルネットワーク(ATT-CNN)を結合させたモデルを提案し,双方向単純循環ネットワークは,テキストの長距離依存情報と多重特徴情報のベクトル表現を実現した。注意力機構-畳込みニューラルネットワークは,ノイズの影響を減らして,異なるサイズの畳込みカーネルを用いてテキストの多くの特徴を学習し,次に,区分的プール化の後に,分類を通して関係抽出を完成した。実験により、本文のモデルは化学物質と疾患の関係抽出において良好な表現を有する。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  *畳込み ,  ベクトル ,  ネットワーク ,  ニューラルネットワーク ,  多重化 ,  化学物質
準シソーラス用語： 長距離 ,  学習方法 ,  *関係抽出 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (4件)： 融合 ,  化学物質 ,  疾患 ,  関係抽出