基于多示例学习的化学物致病关系抽取

• 作者: 冯靖焜 杨志豪 林鸿飞 王健 罗凌
• 来源期刊: 山西大学学报（自然科学版）
• 学科: 工学
• 关键词: 神经网络 多示例学习 关系抽取 化学物致病关系
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 第二十四届全国信息检索学术会议(CCIR 2018)论文选登
• 页码范围: 59-68
• 页数: 10页
• 分类号: TP391
• 字数: 7206字
• 语种: 中文
• DOI: 10.13451/j.cnki.shanxi.univ(nat.sci.).2018.11.05.007

摘要

化学物(药物)致病关系在生物医学领域广受关注.文章提出一种从生物医学文献中抽取化学物致病关系的方法MICNN,首先基于多示例学习的思想,将化学物疾病实体对与多个示例对齐,然后训练一个文档级别的卷积神经网络,使用多示例同时抽取位于同一文档中句间和句内级别的化学物致病关系,有效减弱了现有方法中因单示例存在噪音而对抽取性能造成的损害.实验结果表明,MICNN仅使用了词向量特征、位置特征和实体特征三种基本特征,就在BioCreative V CDR任务提供的测试集上取得很好的性能表现.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	林鸿飞	大连理工大学计算机科学与技术学院	214	3759	31.0	55.0
2	杨志豪	大连理工大学计算机科学与技术学院	57	863	13.0	28.0
3	王健	大连理工大学计算机科学与技术学院	86	451	11.0	15.0
4	罗凌	大连理工大学计算机科学与技术学院	5	20	1.0	4.0
5	冯靖焜	大连理工大学计算机科学与技术学院	1	0	0.0	0.0