基于交互自注意力的文档级化学物质诱导疾病关系抽取  

Document-level Chemical-induced Disease Relation Extraction via Cross Self-attention

作　　者：李正光 林鸿飞[1] 申晨[1] 徐博 郑巍[2] LI Zhengguang;LIN Hongfei;SHEN Chen;XU Bo;ZHENG Wei(College of Computer Science and Technology,Dalian University of Technology,Dalian,Liaoning 116023,China;Software Institute,Dalian Jiaotong University,Dalian,Liaoning 116028,China)

机构地区：[1]大连理工大学计算机科学与技术学院,辽宁大连116023 [2]大连交通大学软件学院,辽宁大连116028

出　　处：《中文信息学报》2022年第7期98-105,共8页Journal of Chinese Information Processing

基　　金：国家自然科学基金(62006034,62076046)。

摘　　要：从生物医学文献中提取化学物质诱导疾病关系对疾病治疗和药物开发具有重要意义,然而现有化学物质诱导疾病关系抽取方法忽略了整篇文档里不同句子的实体语义信息,因此不足以捕获完整的文档级语义信息,导致抽取效果不佳。该文揭示一种结合标题、摘要和最短依赖路径的交互自注意力机制,提出基于语义信息交互学习的化学物质诱导疾病关系抽取方法。该方法可增强文档的语义表示,并通过语义信息交互获取文档的完整语义。在CDR语料上的实验结果表明,采用交互自注意力学到的交互语义信息对于抽取文档级化学物质诱导疾病关系具有较好的促进作用。Chemical-induced disease(CID)relation extraction from biomedical articles plays an important role in disease treatment and drug development.To capture the semantic information of entities in different sentences,this paper proposes a cross self-attention among title,abstract and shortest dependency paths(SDPs)to learn mutual semantic information.The proposed method enhances the semantic representation and captures the complete semantic information at the document level.The experimental results on CDR corpus show that the proposed method can promote the extraction performance of the document-level CID relations.

关 键 词：生物医学文档 关系抽取 交互自注意力 语义信息 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]