Hits:

Indexed by:期刊论文

Date of Publication:2019-01-29

Journal:山西大学学报（自然科学版）

Included Journals:PKU

Volume:42

Issue:1

Page Number:59-68

ISSN No.:0253-2395

Key Words:神经网络;多示例学习;关系抽取;化学物致病关系

Abstract:化学物(药物)致病关系在生物医学领域广受关注.文章提出一种从生物医学文献中抽取化学物致病关系的方法MICNN,首先基于多示例学习的思想,将化学物疾病实体对与多个示例对齐,然后训练一个文档级别的卷积神经网络,使用多示例同时抽取位于同一文档中句间和句内级别的化学物致病关系,有效减弱了现有方法中因单示例存在噪音而对抽取性能造成的损害.实验结果表明,MICNN仅使用了词向量特征、位置特征和实体特征三种基本特征,就在BioCreative V CDR任务提供的测试集上取得很好的性能表现.