文書レベルの生物医学的関係抽出のための知識強化と文書情報の実用化

科学分野:

• 生物医学情報学; 自然言語処理; 計算生物学

背景:

• 文書レベルの生物医学的関係抽出（BioDocuRE）は、複数の文にまたがる関係を発見するために重要です。既存の方法では、外部知識の統合や、複雑な関係のための文書構造の活用に苦労しています。

研究 の 目的:

• 文書レベルのBioDocuREのための新しいフレームワークであるKnowFDIを導入すること。複雑で長距離の生物医学的関係の抽出精度を向上させること。

主な方法:

• KnowFDIは、ローカル/グローバルコンテキスト、文書構造（ブリッジノードを介した文間関係）、および外部エンティティ中心の知識を組み合わせます。エンコーディングとチャネルごとの注意機構によるマルチビュー表現学習のために事前学習済み言語モデルを利用します。エンティティの意味論を豊かにするために、外部生物医学的知識ベースからの記述的知識を組み込みます。

主要な成果:

• KnowFDIは、CDRおよびGDAベンチマークで最先端のパフォーマンスを達成しました。全体および文間関係抽出において大幅な改善を示しました。複雑で長距離の生物医学的関係の特定において、以前の方法を上回りました。

結論:

• KnowFDIの階層的な情報融合と外部知識の統合は、複雑な文書レベルの依存関係を解読するために不可欠です。このフレームワークは、関係抽出の改善を通じて生物医学的知識発見を効果的に強化します。