Apr, 2022

用于提取化学物质、疾病和基因之间生物医学关系的远程监督语料库

PDF
TL;DR介绍了 ChemDisGene，这是一个用于训练和评估多类别多标签生物医学关系抽取模型的新数据集，包含 80k 生物医学研究摘要的标注有化合物、疾病和基因提及的部分，其中某些部分被人工专家标注有这些实体之间的 18 种生物医学关系。同时，针对训练集，使用 CTD 数据库进行远程标注，准确率达到约 78％。与类似的现有数据集相比，我们的数据集规模更大、更干净，并包括将提及链接到其实体的注释。还提供了三个基线深度学习网络关系抽取模型在我们的新数据集上进行训练和评估。
chemdisgenebiomedical relation extractiondeep neural networkchemicalsdiseases
发现论文，激发创造
  • MedDistant19：面向广泛覆盖的医学关系抽取精准基准的研究

    本研究针对生物医学领域中关系抽取的挑战，提出利用知识图谱关系对原始文本进行自动标注，以克服标注数据缺乏的问题，并通过构建更为准确的基准集 “MedDistant19” 来解决现有基准集存在的一系列问题，并验证了其在领域中具有普遍适用性。

    Apr, 2022

  • 基于 BioBERT 的深度学习和融合的 ChemProt-DrugProt 方法用于增强的生物医学关系抽取

    本文介绍了一种增强生物医学文本中关系抽取的方法，重点关注化学基因相互作用。利用 BioBERT 模型和多层全连接网络架构，我们的方法使用一种新颖的合并策略，将 ChemProt 和 DrugProt 数据集集成在一起。通过大量实验，我们证明了显著的性能提升，特别是在数据集之间共享的 CPR 组。研究结果强调了数据集合并在增加样本数量和提高模型准确性方面的重要性。此外，该研究突显了自动化信息提取在生物医学研究和临床实践中的潜力。

    May, 2024

  • 药物组合 N 元关系抽取数据集

    为了帮助医生识别有效的药物联合治疗方案，我们构建了一个专家注释的数据集，用于从科学文献中提取药物联合治疗方案的疗效信息。除了实际应用之外，该数据集还提出了一个独特的 NLP 挑战，作为第一个由可变长度关系组成的关系提取数据集，这种数据集中的关系主要需要超越句子级别的语言理解，增加了此任务的挑战性。我们提供了一个有前途的基线模型，并确定了进一步改进的明显领域。我们公开发布我们的数据集、代码和基线模型，以促进 NLP 社区参与该任务。

    May, 2022

  • 引导的远程监督多语言关系抽取数据：适应新语言

    应用引导远程监督方法创建了一个包含超过 8 万个实例和 9 种关系类型的德语生物关系抽取数据集，同时还创建了一个手动注释的用于评估模型的数据集，并在自动创建的数据集上训练了几种先进机器学习模型和进行多语言和跨语言实验。

    Mar, 2024

  • BiOnt：基于多个生物医学本体的深度学习关系提取

    在本研究中，采用使用深度学习方法和生物医学本体论，例如 Gene Ontology、Human Phenotype Ontology、Human Disease Ontology 和 Chemical Entities of Biological Interest，提高生物医学关系抽取方法，达到了比现有技术更高的精度。

    Jan, 2020

  • BioRED：一份丰富的生物医学关系提取数据集

    本文提出了一个多实体类型和多关系对的文献级生物医学关系抽取数据集 BioRED，包括新发现和先前已知的信息，旨在评估现有状态下的自动化算法，为更准确、高效和稳健的生物医学关系系统的开发奠定基础。

    Apr, 2022

  • 远程监督关系提取数据集：实现准确和一致的评估

    本文使用深度神经网络进行了遥感监督关系提取，通过建立新的人工标注测试数据集 NYT-H，对遥感监督法进行了更为准确和一致的评估，并发现与使用 DS 标注测试数据的对比系统的排名列表有所不同，说明人工标注数据对于遥感监督关系提取的评估是必要的。

    Oct, 2020

  • 一种用深度学习实现医疗关系抽取的混合方法

    本研究提出了一种深度学习方法，利用单词级和句子级表示同时提取治疗和问题之间的关系，以用于医疗决策支持系统、安全监测和新治疗发现。通过深度学习和基于规则的模型的联合结果获得了最终的关联关系。该系统在 I2b2 2010 关系提取任务的关系类别上取得了有前途的表现。

    Jun, 2018

  • 利用预训练语言表示和最少任务特定架构的生物医学关系提取

    本文介绍了我们参与 2019 年 BioNLP 开放共享任务的 AGAC Track，我们提供了 Task 3 的解决方案，该方案旨在提取 “基因 - 功能变化 - 疾病” 三元组，其中 “基因” 和 “疾病” 分别是特定基因和疾病的提及，而 “功能变化” 则是四种预定义的关系类型之一。我们的系统扩展了 BERT (Devlin 等，2018 年)，这是一种最先进的语言模型，它从大型未标记语料库中学习上下文语言表示，并且其参数可以被微调以解决具有极简附加架构的特定任务。我们将两个提及及其文本上下文作为 BERT 中的两个连续序列进行编码，由特殊符号分隔。然后我们使用一个线性层将其关系分类为五个类别 (四个预定义关系类型以及 ' 无关系 ')。尽管类别不平衡严重，我们的系统仍然在不需要特别工程特征的极简设置的情况下显著优于随机基线。

    Sep, 2019

  • 一种基于数据驱动的方法用于远程监督下的生物医学关系抽取中的噪声削减

    使用多实例学习和 BERT 模型，我们提出了一个简单的数据编码方案，以降低噪音并获得了远程监控生物医学关系提取的最新性能，同时进一步编码关于关系三元组方向的知识，从而减少噪音并减轻了与知识图完成的联合学习的需要。

    May, 2020