生物EGRE:基于BioELECTRA和图形指针神经网络的生物医学关系提取的语言拓增强方法

科学领域:

• 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.
• 计算生物学 计算生物学

背景情况:

• 生物医学关系提取 (BioRE) 对文本挖掘至关重要.
• 目前的方法使用了预先训练的语言模型,但没有充分利用语言拓学.
• 基于序列的模型在处理图形特征方面存在局限性.

研究的目的:

• 提出一种新的方法,BioEGRE,用于句子级BioRE.
• 为了提高关系提取,利用语言拓特征.
• 提高生物医学关系提取的准确性和概括性.

主要方法:

• 生物EGRE预处理文献以确定相关的句子.
• 依赖性解析创建句子图形与BioELECTRA标记表示.
• 一个图形指针神经网络层优化节点表示.

主要成果:

• 在BioEGRE的研究中,F1得分为79.97% (CHEMPROT),83.31% (GAD) 和83.51% (EU-ADR).
• 该方法在三个BioRE任务上超越了现有的最先进的模型.
• 结果表明,在多类和二进制关系提取中表现优异.

结论:

• 在生物医学数据集中证明BioEGRE是有效的和可通用的.
• 语言拓和图形指针网络提高了BioRE的性能.
• 拟议的方法促进了自动化生物医学知识的发现.