Hits:

Indexed by:期刊论文

First Author:杨培

Co-author:杨志豪,罗凌,林鸿飞,王健

Date of Publication:2018-07-15

Journal:计算机研究与发展

Volume:55

Issue:7

Page Number:1548-1556

ISSN No.:1000-1239

Key Words:长短期记忆网络;注意;条件随机场;化学药物命名实体识别;深度学习

Abstract:在生物医学文本挖掘领域,化学药物命名实体识别具有重要意义.目前的主流方法是基于条件随机场(conditional random fields,CRF)的方法,但是该方法需要大量的人工特征,并且存在实体标签的全文非一致性问题.针对此问题,提出一种基于注意(Attention)机制的深度学习方法.该方法首先从海量生物文本中学习词向量,然后利用双向长短期记忆网络(BiLSTM)学习字符向量,随后将词向量和字符向量再经过另一个BiLSTM以获得词的上下文表示,然后再利用Attention机制获得词在全文范围下的上下文表示,最后利用CRF层得到整篇文章的标签序列.实验结果表明:相比之前的研究方法,提高了在同一篇文章中实体识别的一致性,并在BioCreative IV评测中的CHEMDNER数据集上取得了更好的结果(F值为90.77％).