生物醫(yī)學(xué)事件抽取中觸發(fā)詞識(shí)別研究.pdf

1、近年來，關(guān)系抽取已由簡(jiǎn)單二元關(guān)系抽取發(fā)展為復(fù)雜關(guān)系抽取，生物醫(yī)學(xué)事件抽取成為研究焦點(diǎn)。抽取一個(gè)事件，需要識(shí)別出事件的觸發(fā)詞、參與者與事件類型。生物醫(yī)學(xué)事件抽取系統(tǒng)至少由觸發(fā)詞識(shí)別和要素識(shí)別組成，且需要先對(duì)觸發(fā)詞進(jìn)行預(yù)測(cè)或識(shí)別，這使得研究觸發(fā)詞識(shí)別有重要意義。
　　本文描述生物醫(yī)學(xué)事件抽取中觸發(fā)詞識(shí)別的兩種方法:基于組合分類器的觸發(fā)詞識(shí)別和基于深度學(xué)習(xí)疊加去噪自動(dòng)編碼器(SdA)的觸發(fā)詞識(shí)別。在基于組合分類器的方法中，利用豐富的基于

2、依存和句法解析的人工特征構(gòu)建多個(gè)單一分類器，對(duì)多個(gè)單一分類器的結(jié)果進(jìn)行三種操作:集合操作、投票和疊加進(jìn)行組合。在基于深度學(xué)習(xí)疊加去噪自動(dòng)編碼器的方法中，只利用候選觸發(fā)詞的線性上下文對(duì)當(dāng)前候選觸發(fā)詞進(jìn)行預(yù)測(cè)，不需要大量人工特征，減少了對(duì)生物方面專業(yè)知識(shí)的依賴，初步證明了特征表示的有效性。
　　本文在生物醫(yī)學(xué)事件抽取公共評(píng)測(cè)語(yǔ)料BioNLP'09和BioNLP'11上進(jìn)行實(shí)驗(yàn)，其中基于組合的方法在兩個(gè)語(yǔ)料上評(píng)價(jià);基于深度學(xué)習(xí)疊加去噪自