文献

J-GLOBAL ID：201702254297410680   整理番号：17A0142867

薬物-薬物相互作用抽出のための依存性に基づく畳込みニューラルネットワーク【Powered by NICT】

Dependency-based convolutional neural network for drug-drug interaction extraction

著者 (4件)： Liu Shengyu (Intelligent Computing Research Center, Harbin Institute of Technology Shenzhen Graduate School, 518055, China) ,  Kai Chen (Intelligent Computing Research Center, Harbin Institute of Technology Shenzhen Graduate School, 518055, China) ,  Chen Qingcai (Intelligent Computing Research Center, Harbin Institute of Technology Shenzhen Graduate School, 518055, China) ,  Tang Buzhou (Intelligent Computing Research Center, Harbin Institute of Technology Shenzhen Graduate School, 518055, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： BIBM  ページ： 1074-1080  発行年： 2016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)は,健康管理のために重要である。DrugBankなどの医療知識ベースで報告されたDDIに加えて,多数の最新DDI所見も構造化されていない生物医学文献で報告されている。構造化されていない生物医学文献からDDIを抽出する既存の知識ベースへの価値付加であった。現在,畳込みニューラルネットワーク(CNN)はDDI抽出のための最先端の方法である。CNNの一つの限界は,候補DDI例における単語間の長い距離依存性,DDI抽出に有用である可能性を無視していることである。候補DDI例における単語間の長距離依存性を組み込むために,本研究では,DDI抽出のための依存性ベース畳込みニューラルネットワーク(DCNN)を提案した。DDIExtraction2013コーパス上で実施した実験は,公共最新依存性パーザを用いたDCNNは70.19%のFスコアを達成し,CNNを0.44%増加する」ことを示した。DCNNの誤差を解析することにより,依存性パーザから誤差はDCNNへ伝搬し,DCNNの性能に影響することを見出した。誤り伝搬を低減するために,短い文章でのDDIを抽出するDCNNを用いた,すなわち,DCNNとCNNを結合する簡単な規則と最も依存性パーザは,短い文のためのうまく働く長文の悪いが,長距離でのDDIを抽出するためにCNNを設計した。最後に,CNNとDCNNを組み合わせたこのシステムは70.81%のFスコアを達成し,DDIExtraction2013コーパス上で1.06%とDNNによるCNNを0.62%であった。Copyright 2017 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： 構造形成 ,  *ニューラルネットワーク ,  コーパス ,  健康管理 ,  *薬物相互作用 ,  知識ベース ,  単語 ,  *畳込み
準シソーラス用語： スコア ,  パーザ ,  距離依存性 ,  生物医学 , 【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)： 薬物 ,  薬物相互作用 ,  依存性 ,  畳込みニューラルネットワーク