一个开放式的半监督多任务学习框架,用于生物医学文本中的上下文分类

科学领域:

• 生物医学信息学 生物医学信息学
• 计算生物学 计算生物学
• 自然语言处理自然语言处理.

背景情况:

• 生物医学关系提取 (RE) 对于理解生物过程至关重要.
• 目前用于RE的NLP方法往往缺乏必要的上下文信息,例如细胞类型和位置.
• 以前的上下文关系关联方法受到数据稀缺性和错误传播的限制.

研究的目的:

• 提出CELESTA (通过学习与半监督多任务架构进行上下文提取),这是一个开放式半监督多任务学习 (OSSL-MTL) 框架.
• 提高生物医学上下文分类准确性,提取隐含的上下文信息.
• 通过将上下文提取直接整合到学习框架中来解决现有的RE方法的局限性.

主要方法:

• 开发了一个MTL架构与SSL策略相结合,以利用未标记的数据 (ID和OOD).
• 使用BEL corpora和新的注释方法创建了五个上下文分类任务的大规模数据集.
• 实现了一个OD检测器来区分ID和OD实例,并使用数据增强.

主要成果:

• CELESTA显著改善了跨任务的上下文分类性能.
• 获得高F1分数:77.75%的位置和82.87%的疾病分类.
• 与基线相比,已证明有效的OOD检测和改进的隐性上下文提取.

结论:

• 在生物医学研究中,CELESTA框架有效地增强了上下文分类和信息提取.
• 开发的框架和数据集有助于在生物学中推进NLP应用.
• 公共可用的代码和数据集有助于进一步的研究和开发.