基于词法匹配与词嵌入的医疗知识实体上下位关系抽取

• 作者: 刘子晨 徐雷 温延龙
• 来源期刊: 计算机与数字工程
• 学科: 工学
• 关键词: 上下位关系 医疗知识实体 模式匹配 机器学习
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 专栏·Web信息系统及应用
• 页码范围: 2901-2905,2958
• 页数: 6页
• 分类号: TP301.6
• 语种: 中文
• DOI: 10.3969/j.issn.1672-9722.2020.12.018

摘要

实体上下位关系是一种重要的语义结构,在知识图谱、信息检索等多个领域有着重要应用.论文提出一种融合词法匹配与词嵌入的医疗知识实体上下位关系抽取方法.该方法以Hearst词法模式匹配为基础,抽取相似词以扩展候选上下位关系集合,引入分段线性投影方法将基于词嵌入的上下位关系判别模型应用于抽取任务,并给出融合两种方法来计算上下位关系可能性算法.实验结果表明,论文提出的综合方法在SemEval-Task 9的医疗数据集上,相比该任务的最佳方法MRR、MAP和P@1分别提高了4.40％、0.23％和2.00％,具有很好的效果.