基于半監(jiān)督和深度學習的生物實體關系抽取.pdf

1、近年來，隨著生物醫(yī)學文獻的快速增長，生物文獻中的信息抽取技術已經得到廣泛的研究，目前為止，生物醫(yī)學文獻信息抽取中的大部分工作都涉及到關系抽取。生物領域中的關系抽取主要集中于從生物醫(yī)學文本中識別出生物醫(yī)學實體名稱（蛋白質、藥物、疾病、基因等），進而提取生物實體之間的語義關系。本文主要研究疾病-病癥、病癥-治療物質和蛋白質關系抽取，提出了基于半監(jiān)督學習和深度學習的方法分別解決實體抽取過程中存在的缺少標注語料集和人工特征構建的問題。
　

2、　本文采用Co-Training和Tri-Training兩個半監(jiān)督學習的方法構建疾病-病癥模型和病癥-治療物質模型。在訓練過程中使用特征核、圖核和樹核作為Co-Training和Tri-Training方法的輸入視圖。在Tri-Training的訓練過程中采用組合學習的方法將分類器集成在一起。實驗結果表明，Co-Training和Tri-Training方法都可以利用未標注語料集在初始語料集少的情況下提升訓練性能。并且在實驗中Tri-

3、Training方法的性能要優(yōu)于Co-Training方法。使用半監(jiān)督學習方法進行疾病-病癥和病癥-治療物質關系抽取時，需要構建大量的人工特征，這些特征的質量直接影響實驗結果。而且大量人工特征的構建既費時又費力。針對這個問題，本文提出了基于卷積神經網絡的疾病-病癥和病癥-治療物質關系抽取的方法。該方法可以從輸入語料中自動學習特征，獲取特征的層次結構，降低人工構造特征的成本。同時本文使用Tri-Training的方法擴充語料集。實驗表明與

4、Tri-Training方法相比卷積神經網絡的方法可以獲得更好的實驗結果。使用半監(jiān)督學習方法進行關系抽取時存在兩個方面的問題，一方面，半監(jiān)督學習方法在未標注語料選取時選用分類器標注一致的樣本，這將損失掉一部分信息。另一方面，在未標注樣本加入訓練集的過程中，這些樣本可能會被標注錯誤。為了解決這兩個問題，本文提出了基于改進的Tri-Training進行蛋白質關系抽取的方法。該方法在對未標注語料選取時選用三個分類器標注最不一致的樣本。并使用主