生物医学文档级关系提取与主题捕获和本地化实体聚合
1Department of Mathematics, College of Sciences, Northeastern University, Shenyang, China.
Journal of biomedical informatics
|December 2, 2024
概括
本研究介绍了主题捕获和本地化实体聚合 (TCLEP) 用于文档级关系提取. TCLEP 改进了生物医学文本中多个实体之间的关系的识别.
科学领域:
- 生物医学信息学是生物医学信息学.
- 自然语言处理自然语言处理.
背景情况:
- 文档级关系提取是复杂的,因为多个实体和关系.
- 现有的基于图形的方法难以应对多实体的挑战.
研究的目的:
- 开发一种用于文档级关系提取的新方法.
- 为了减轻使用本地化实体聚合的多实体问题.
- 通过利用文档主题表示来增强提取.
主要方法:
- 引入本地化实体聚合以确定桥梁实体.
- 使用预训练模型进行推理路径表示.
- 整合了主题捕捉,以实现文档层面的理解.
主要成果:
- 在TCLEP模型中,宏观F1得分为71.7% (CDR) 和85.3% (GDA).
- 集成模块提高了先进模型的性能1.5%和0.2%.
结论:
- 拟议的TCLEP模型有效地解决了文档级关系提取挑战.
- 本地化实体的聚合和主题捕捉提高了模型性能.
