基于BiLSTM-CRF的中文生物医学开放式概念关系抽取

摘要：

目的:利用深度学习方法自动抽取中文生物医学文本中的开放式概念关系,以增强生物医学文本理解及医学知识网络构建.方法:使用BiLSTM-CRF模型从中文生物医学文献数据中抽取以句子上下文短语描述的开放式概念关系,并与基于条件随机场(Conditional Random Fields,CRF)和基于长短时记忆网络(Long Short-Term Memory,LSTM)的方法进行对比分析.结果:基于BiLSTM-CRF的中文生物医学开放式概念关系抽取方法取得F1值为0.5221,显著高于基于CRF模型的方法(F1值为0.2353)和基于LSTM模型的方法(F1值为0.3355).结论:与单独使用CRF模型或LSTM模型的方法相比,基于BiLSTM-CRF的开放式概念关系抽取方法具有更好的鲁棒性和泛化性,对于生物医学文本理解、医学知识网络构建等研究具有借鉴意义.

关键词：开放式关系抽取、生物医学概念识别、BiLSTM-CRF、条件随机场、长短时记忆网络

所属期刊栏目：27

分类号：TP391.3;R311.13(计算技术、计算机技术)

资助基金：中国医学科学院中央级公益性科研院所基本科研业务费项目"真实世界临床数据感知与智能处理技术研究"2017PT63010;"医学人工智能技术与人机交互关键问题研究"2018PT33024;中国医学科学院医学与健康科技创新工程服务"一带一路"战略先导科研专项"卫生信息服务研究"2017-I2M-B&R-10

在线出版日期：2019-06-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：33-39