依存情報と事前知識による化学誘発疾患関係抽出【JST・京大機械翻訳】

Zhou Huiwei; Ning Shixian; Yang Yunlong; Liu Zhuang; Lang Chengkun; Lin Yingyu

プレプリント

J-GLOBAL ID：202202210476688735 整理番号：22P0096766

依存情報と事前知識による化学誘発疾患関係抽出【JST・京大機械翻訳】

Chemical-induced Disease Relation Extraction with Dependency Information and Prior Knowledge

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2020年01月01日プレプリントサーバーでの情報更新日： 2020年01月01日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

化学的疾患関係(CDR)抽出は,生物医学研究および健康管理のさまざまな分野に対して非常に重要である。今日,エンティティペアとその関係に関する3重を含む多くの大規模生物医学知識ベース(KB)が構築されている。KBは生物医学関係抽出のための重要な資源である。しかし,以前の研究は事前知識にはほとんど注目を払わない。さらに,依存性ツリーは重要な構文と意味情報を含み,それは関係抽出を改善するのを助ける。したがって,それを効果的に使用する方法は,研究に値する。本論文では,CDR抽出のための新しい畳込み注意ネットワーク(CAN)を提案した。最初に,単語のシーケンス,依存性方向および依存性関係タグを含む文章における化学的および疾患対の間の最短依存性経路(SDP)を抽出した。次に,畳み込み演算をSDP上で実行し,深い意味依存性特徴を生成した。その後,KBsから学習された知識表現に関連した各意味依存ベクトルの重要性/重みを学習するために注意機構を採用した。最後に,依存性情報と事前知識を結合するために,重みづけ意味依存性表現と知識表現の連結を分類のためにソフトマックス層に供給した。BioCreative V CDRデータセットに関する実験は,著者らの方法が最先端のシステムに匹敵する性能を達成し,依存性情報と事前知識の両方がCDR抽出タスクにおいて重要な役割を果たすことを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

医用情報処理 , 人工知能 , ドキュメンテーション , 自然語処理

, , , ,

前のページに戻る