MMR:一个多视图合并表示模型用于化学疾病关系提取.
Yi Zhang1, Jing Peng1, Baitai Cheng1
1Intelligent Bioinformatics Laboratory, School of Computer and Artificial Intelligence, Wuhan University of Technology, Wuhan, 430070, China.
本研究引入了一种新的多视图合并表示 (MMR) 模型,用于化学疾病关系提取. MMR模型提高了对生物医学文本的理解,以改善药物发现和临床诊断.
科学领域:
- 生物医学信息学 生物医学信息学
- 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:
- 化学-疾病关系 (CDR) 提取对于识别生物医学文本中化学物质和疾病之间的语义关系至关重要.
- 生物医学实体及其对的有效表示对于准确的CDR提取至关重要,与一般域关系提取相比,这构成了挑战.
- 现有的方法可能无法完全捕捉专门的生物医学文本所需的复杂表示.
研究的目的:
- 提出一种新的多视图合并表示 (MMR) 模型,用于增强化学疾病关系提取.
- 改善生物医学文档中单个实体和实体对的表现.
- 在CDR数据集上实现最先进的性能.
主要方法:
- 利用了先前的知识和预训练的变压器编码器来捕获实体语义表示.
- 采用U-Net和图形卷积网络层来捕获全球实体对表示.
- 开发了每个实体对的合并表示,以方便分类.
主要成果:
- 拟议的多视图合并表示 (MMR) 模型有效地捕获实体和实体对表示.
- 该模型在CDR数据集上取得了最先进的结果.
- 在化学疾病关系提取任务中表现得更好.
结论:
- MMR模型提供了一个强大的方法来代表生物医学实体及其关系.
- 这一进步支持临床诊断和药物发现的下游应用.
- 这些发现突出了生物医学NLP中多视角表示学习的潜力.
更多相关视频
08:51Author Spotlight: Integrated Multi-Omics Analysis for Unveiling Multicellular Immune Signatures in Clinical Heart Attack Cohorts
Published on: September 20, 2024
07:40A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions
Published on: May 27, 2021
相关概念视频
Combined Effects of Drugs: Synergism
Such synergistic combinations...
Molecular Models
Drug Discovery: Overview
Molecules with Multiple Chiral Centers
Effects of Chemicals: Overview
Quantitative Aspects of Drug-Receptor Interaction
