基于文献挖掘的生物实体关系提取研究
万方数据知识服务平台
应用市场
我的应用
会员HOT
万方期刊
×

点击收藏,不怕下次找不到~

@万方数据
会员HOT

期刊专题

10.3778/j.issn.1002-8331.1912-0489

基于文献挖掘的生物实体关系提取研究

引用
生物医学研究人员经常搜索大量文献,寻找生物实体之间的作用关系,如:药物-药物、化合物-蛋白质等作用关系.随着医学文献的激增和深度学习的发展,自动从文献中提取生物实体作用关系已经显示出巨大潜力.以往使用深度学习的方法取得了一定效果,但存在以下问题:模型采用静态词向量,不能区分一词多义;未考虑单词的权重,对长句子提取效果较差;通过多种模型集成来改善样本不平衡问题,模型较为复杂.为此提出一种基于残差结构的深层多通道CNN模型(MCCNN),通过BERT(Bidirectional Encoder Representation from Transformers)产生动态词向量来提高词汇语义表示的准确性,利用多头注意力捕获长句子的依赖并通过设计Ranking损失函数代替多模型集成来降低样本不平衡的影响.在多个数据集上进行测试,结果表明提出的方法具有较好的效果.

生物医学文献、关系提取、注意力机制、多通道

57

TP391.1(计算技术、计算机技术)

国家自然基金面上项目No.61672480

2021-04-12(万方平台首次上网日期,不代表论文的发表时间)

共6页

115-120

相关文献
评论
暂无封面信息
查看本期封面目录

计算机工程与应用

1002-8331

11-2127/TP

57

2021,57(7)

相关作者
相关机构

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn