通过以数据为中心和预处理强大的集体学习方法加强生物医学关系提取
Wilailack Meesawad1, Jen-Chieh Han1, Chun-Yu Hsueh1
1Department of Computer Science and Information Engineering, National Central University, No. 300, Zhongda Rd., Zhongli District, Taoyuan 320, Taiwan.
概括
本研究介绍了一个生物医学关系提取系统,使用集体学习和BERT模型进行文献分析. 该方法实现了卓越的性能,为关系提取任务建立了新的基准.
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.
- 机器学习 机器学习
背景情况:
- 生物医学关系提取对于从文献中理解复杂的生物信息至关重要.
- 现有系统在准确识别生物医学实体之间的关系方面面临挑战.
研究的目的:
- 开发和评估一个新的生物医学关系提取系统,以应对BioCreative VIII挑战.
- 建立一个可靠的基准来评估生物医学文本中的关系提取性能.
主要方法:
- 利用集体学习方法,将多个预训练的双向编码器表示从变压器 (BERT) 模型中结合起来,包括PubMedBERT.
- 集成的预处理技术,如提示性问题,实体ID对,同时发生的上下文,特殊令牌和边界标签.
- 采用马克斯规则整体学习机制来汇总来自各种分类器的输出.
主要成果:
- 开发的系统超过了生物医学关系提取的标准得分.
- 证明了以数据为中心的方法在提高模型性能和稳定性的有效性.
结论:
- 拟议的集体学习系统为生物医学关系提取提供了高性能解决方案.
- 优先考虑高质量的数据对于提高关系提取模型的性能和稳定性至关重要.
更多相关视频
07:35A Knowledge Graph Approach to Elucidate the Role of Organellar Pathways in Disease via Biomedical Reports
Published on: October 13, 2023
2.3K
05:47Evidence-based Knowledge Synthesis and Hypothesis Validation: Navigating Biomedical Knowledge Bases via Explainable AI and Agentic Systems
Published on: June 13, 2025
1.7K
