基于句法依存分析的图网络生物医学命名实体识别

• 作者: 许力 李建华
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 生物医学 命名实体识别 双向长短期记忆网络 图卷积网络 句法依存分析 图注意力机制
• 年，卷（期）: 2021,（2）
• 所属期刊栏目: 人工智能
• 页码范围: 357-362
• 页数: 6页
• 分类号: TP391.1
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020050738

摘要

现有的生物医学命名实体识别方法没有利用语料中的句法信息,准确率不高.针对这一问题,提出基于句法依存分析的图网络生物医学命名实体识别模型.首先利用卷积神经网络(CNN)生成字符向量并将其与词向量拼接,然后将其送入双向长短期记忆(BiLSTM)网络进行训练;其次以句子为单位对语料进行句法依存分析,并构建邻接矩阵;最后将BiLSTM的输出和通过句法依存分析构建的邻接矩阵送入图卷积网络(GCN)进行训练,并引入图注意力机制优化邻接节点的特征权重得到模型输出.所提模型在JNLPBA和NCBI-disease数据集上的F1值分别达到了76.91％和87.80％,相比基准模型分别提升了2.62和1.66个百分点.实验结果证明,提出的方法能有效提升模型在生物医学命名实体识别任务上的表现.