| 面向生物医学实体链接的联合式学习方法 |
| |
| 引用本文： | 胡宇,申德荣,聂铁铮,寇月.面向生物医学实体链接的联合式学习方法[J].计算机学报,2022,45(4):748-765. |
| |
| 作者姓名： | 胡宇 申德荣 聂铁铮 寇月 |
| |
| 作者单位： | 东北大学计算机科学与工程学院 沈阳 110819 |
| |
| 基金项目： | 科技部重点研发计划项目（No.2018YFB1003404）；;国家自然科学基金面上项目（No.62172082,62072086,62072084）；;中央高校基本科研业务费专项资金资助项目（No.N180716010）资助 partially supported by grants from the National Key R&D Program of China(No. 2018YFB1003404)；;Chinese Universities Scientific Fund(Grant No. N180716010)； |
| |
| 摘 要： | 生物医学文本蕴含着丰富的探索价值，其为生物医学工作者进行研究提供了宝贵的领域知识.充分且高效地利用海量的生物医学文献，并从中发现重要的隐藏信息、获取专业领域知识，对生物医学研究具有重要的意义.生物医学实体链接是对生物医学文本中的命名实体进行识别，并将表示该实体的某些字符串映射到生物医学领域知识库中对应概念.生物医学实体链接任务通常面临两个主要的挑战：(1)自然语言描述的歧义性.(2)自然语言文本与生物医学知识库的异构性.传统的方法基于特征选择或规则发现，依赖于手动选择特征或定义规则，处理分阶段模型中也可能出现误差传播.因此，本工作提出了一种深度学习和知识库相结合的实体链接方法，通过深度挖掘自然语言文本的隐藏特征，及其与知识库概念图间结构的相似性，将生物医学实体识别与实体-概念对齐两个任务进行联合式处理.该方法旨在通过标准的生物医学知识库，自动获取生物医学实体的语义信息，挖掘生物医学实体之间的语义关系.实验表明，该方法在实体识别与对齐方面取得了较好的效果，显著提高了任务的精确性，在实体链接核心任务上取得了超过10%的性能提升.
|
| 关 键 词： | 实体识别 实体对齐 语义分析 生物医学文本挖掘 生物医学知识库 |
A Joint Learning Method for Biomedical Entity Linking |
| |
| HU Yu,SHEN De-Rong,NIE Tie-Zheng,KOU Yue.A Joint Learning Method for Biomedical Entity Linking[J].Chinese Journal of Computers,2022,45(4):748-765. |
| |
| Authors: | HU Yu SHEN De-Rong NIE Tie-Zheng KOU Yue |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
