基于詞表示和深度學習的生物醫(yī)學關系抽取.pdf

1、蛋白質關系抽取和藥物關系抽取對于生物醫(yī)學領域相關數據庫的構建、生命科學研究、藥物開發(fā)和疾病的防治都具有重要意義。目前，大量生物醫(yī)學關系抽取方法的研究重點在于特征集合的選取和核函數的設計，經過十余年的發(fā)展，基于特征和核函數的方法已經相對成熟，提升空間變得有限。為了進一步提升性能，本文研究基于詞表示和深度學習的抽取方法。深度學習能夠建立更深層的關系抽取模型以提升抽取效果，而詞表示將語義信息融合到詞向量中，是深度學習的前提。本文主要貢獻包括:

2、
　　針對生物醫(yī)學領域文本的特點設計詞表示模型，在傳統詞表示模型基礎上，融合詞形、詞性、詞干、句法塊、生物醫(yī)學命名實體這五類重要信息，增強詞向量的語義表示能力，并在蛋白質關系抽取、藥物關系抽取等任務上取得了較好的效果，驗證了在詞表示中融入詞性、實體等豐富信息的有效性，為基于深度學習的關系抽取方法提供了良好的詞表示基礎。
　　針對蛋白質二類關系抽取問題，克服傳統方法依賴于特征和核函數的局限性，提出一種基于實例表示的抽取模型，該

3、模型包含詞向量、骨架特征、特征組合三個部分，在規(guī)模較大的語料上抽取效果達到了目前先進水平，從而驗證了基于詞表示和深度學習方法在蛋白質關系抽取問題上的有效性。該模型考慮了蛋白質關系實例的特點，以詞向量作為輸入，配合骨架特征和向量組合，從而在實例表示中融合豐富的語義信息。
　　針對藥物多類關系抽取問題，提出一種兩階段方法:在第一階段，采用實例表示與句法特征相結合的方法，利用邏輯回歸分類器，識別出藥物關系正例;在第二階段，利用長短期記憶

4、網絡將正例分成四種藥物關系類型。為了提升第二階段性能，從重要度、實現代價和計算代價這三個方面考慮了多種相關要素對長短期記憶網絡的影響，通過實驗發(fā)現，詞向量、距離向量、詞性向量和雙層雙向長短期記憶網絡對于第二階段分類的性能具有提升作用，也是本文兩階段藥物關系抽取方法能夠取得較好效果的重要因素。
　　綜上所述，本文針對蛋白質間二分類關系抽取和藥物間多分類關系抽取，利用表示和深度學習等技術提出相應的抽取方法，在一定程度上克服了基于特征和