基于詞表示和深度學(xué)習(xí)的生物醫(yī)學(xué)關(guān)系抽取.pdf

1、蛋白質(zhì)關(guān)系抽取和藥物關(guān)系抽取對于生物醫(yī)學(xué)領(lǐng)域相關(guān)數(shù)據(jù)庫的構(gòu)建、生命科學(xué)研究、藥物開發(fā)和疾病的防治都具有重要意義。目前，大量生物醫(yī)學(xué)關(guān)系抽取方法的研究重點(diǎn)在于特征集合的選取和核函數(shù)的設(shè)計(jì)，經(jīng)過十余年的發(fā)展，基于特征和核函數(shù)的方法已經(jīng)相對成熟，提升空間變得有限。為了進(jìn)一步提升性能，本文研究基于詞表示和深度學(xué)習(xí)的抽取方法。深度學(xué)習(xí)能夠建立更深層的關(guān)系抽取模型以提升抽取效果，而詞表示將語義信息融合到詞向量中，是深度學(xué)習(xí)的前提。本文主要貢獻(xiàn)包括:

2、
　　針對生物醫(yī)學(xué)領(lǐng)域文本的特點(diǎn)設(shè)計(jì)詞表示模型，在傳統(tǒng)詞表示模型基礎(chǔ)上，融合詞形、詞性、詞干、句法塊、生物醫(yī)學(xué)命名實(shí)體這五類重要信息，增強(qiáng)詞向量的語義表示能力，并在蛋白質(zhì)關(guān)系抽取、藥物關(guān)系抽取等任務(wù)上取得了較好的效果，驗(yàn)證了在詞表示中融入詞性、實(shí)體等豐富信息的有效性，為基于深度學(xué)習(xí)的關(guān)系抽取方法提供了良好的詞表示基礎(chǔ)。
　　針對蛋白質(zhì)二類關(guān)系抽取問題，克服傳統(tǒng)方法依賴于特征和核函數(shù)的局限性，提出一種基于實(shí)例表示的抽取模型，該

3、模型包含詞向量、骨架特征、特征組合三個(gè)部分，在規(guī)模較大的語料上抽取效果達(dá)到了目前先進(jìn)水平，從而驗(yàn)證了基于詞表示和深度學(xué)習(xí)方法在蛋白質(zhì)關(guān)系抽取問題上的有效性。該模型考慮了蛋白質(zhì)關(guān)系實(shí)例的特點(diǎn)，以詞向量作為輸入，配合骨架特征和向量組合，從而在實(shí)例表示中融合豐富的語義信息。
　　針對藥物多類關(guān)系抽取問題，提出一種兩階段方法:在第一階段，采用實(shí)例表示與句法特征相結(jié)合的方法，利用邏輯回歸分類器，識別出藥物關(guān)系正例;在第二階段，利用長短期記憶

4、網(wǎng)絡(luò)將正例分成四種藥物關(guān)系類型。為了提升第二階段性能，從重要度、實(shí)現(xiàn)代價(jià)和計(jì)算代價(jià)這三個(gè)方面考慮了多種相關(guān)要素對長短期記憶網(wǎng)絡(luò)的影響，通過實(shí)驗(yàn)發(fā)現(xiàn)，詞向量、距離向量、詞性向量和雙層雙向長短期記憶網(wǎng)絡(luò)對于第二階段分類的性能具有提升作用，也是本文兩階段藥物關(guān)系抽取方法能夠取得較好效果的重要因素。
　　綜上所述，本文針對蛋白質(zhì)間二分類關(guān)系抽取和藥物間多分類關(guān)系抽取，利用表示和深度學(xué)習(xí)等技術(shù)提出相應(yīng)的抽取方法，在一定程度上克服了基于特征和