学习实体为生物医学关系提取的面向学习实体的表示
Ying Hu1, Yanping Chen1, Yongbin Qin1
1Text Computing and Cognitive Intelligence Engineering Research Center of National Education Ministry, State Key Laboratory of Public Big Data, College of Computer Science and Technology, Guizhou University, Guiyang, 550025, China.
本研究引入了一个面向实体的表示 (EoR) 模型,通过减少语义重叠来改善生物医学关系提取. 这种EoR模型增强了实体对之间的区别性,在多个任务中实现了最先进的结果.
科学领域:
- 计算生物学是一种计算生物学.
- 生物信息学是一种生物信息学.
- 自然语言处理自然语言处理.
背景情况:
- 生物医学关系提取 (BioRE) 对生物医学研究至关重要.
- 现有的方法在多个实体对的句子中与重叠的语义作斗争.
- 重叠的语义导致不同实体对的类似信息,阻碍了准确性.
研究的目的:
- 提出一种新的学习实体导向表示 (EoR) 模型,以提高 BioRE 的性能.
- 改善在共享相同背景的实体对之间进行区分.
- 为了应对BioRE中重叠语义的挑战.
主要方法:
- 开发了一个由三个模块组成的模型:句子表示,面向实体的表示和输出.
- 面向实体的表示模块侧重于与目标实体相关的语义信息.
- 输出模块增强了实体对之间的区分能力,用于关系分类.
主要成果:
- 在四个BioRE任务中,EoR模型实现了最先进的性能:蛋白质-蛋白质相互作用 (PPI),药物-药物相互作用 (DDI),化学-蛋白质相互作用 (CPI) 和疾病-表型相互作用 (DPI).
- 在八个不同的BioRE数据集上进行了实验.
- 进一步的分析证实了面向实体的语义信息在处理具有多个实体对的复杂句子时的好处.
结论:
- 拟议的实体导向表示 (EoR) 模型显著改善了生物医学关系提取.
- EdR有效地提高了实体对的可区分性,克服了重叠语义的局限性.
- 这种方法为复杂的生物医学文本中准确的关系提取提供了强大的解决方案.
更多相关视频
07:50A Metadata Extraction Approach for Clinical Case Reports to Enable Advanced Understanding of Biomedical Concepts
Published on: September 20, 2018
09:20Cloud-Based Phrase Mining and Analysis of User-Defined Phrase-Category Association in Biomedical Publications
Published on: February 23, 2019
相关概念视频
ER Retrieval Pathway
The ER uses many checkpoints to prevent the entry of incorrectly folded or a resident protein as cargo onto a transport vesicle. These mechanisms...
Bioequivalence: Overview
Drug-Receptor Bonds
In...
Transducer Mechanism: Enzyme-Linked Receptors
Major types that are helpful drug targets include:
RNA-seq
Before the discovery of RNA-seq, microarray-based methods and Sanger sequencing were used for transcriptome analysis. However, while...
Synthetic Biology
Golden rice
Golden rice is a genetically modified...
