用于化学诱发疾病关系的文档级神经模型集成领域知识

背景:文本和知识的有效结合可以提高自然语言处理任务的性能。 为了识别可能跨越文章边界的化学诱导疾病(CID)关系,尽管现有的CID系统已探索了知识库的利用,但尚未区分不同知识对特殊CID的识别所产生的影响这些系统。 此外,基于神经网络的系统仅构建句子或提及级别模型。结果:在这项工作中,我们提出了一种有效的文档级别神经模型,该模型集成了领域知识,可以从生物医学文章中提取CID关系。 从文档级子网模块中获悉了有关特殊CID候选对的文章的基本语义信息。 此外,提出了一种基于文章表示形式的知识关注度,以区分不同知识对特殊CID对的影响,然后通过汇总经过加权的知识来形成知识的最终表示形式。 最后,将文本和知识的集成表示形式传递给softmax分类器以执行CID识别。 BioCreative V提出的化学-疾病关系语料库的实验结果表明,与其他最新系统相比,我们提出的系统集成知识具有良好的整体性能...结论:实验分析表明,引入的注意力机制领域知识在区分不同知识对特殊CID关系的判断的影响方面起着重要作用。