典型文献
基于实体信息和图神经网络的药物相互作用关系抽取
文献摘要：
药物相互作用是指药物与药物之间相互促进或抑制.针对现有的药物关系抽取方法利用外部背景知识和自然语言处理工具导致错误传播和积累的问题,以及现有大多数研究在数据预处理阶段对药物实体进行盲化,忽略了有助于识别关系类别的目标药物实体信息的问题.论文提出了基于预训练生物医学语言模型和词汇图神经网络的药物相互作用关系抽取模型,该模型通过预训练语言模型获得句子的原始特征表示,在基于数据集构建的词汇图上进行卷积操作获得与句子相关的全局特征信息表示,最后与药物目标实体对特征进行拼接从而构建药物相互作用关系提取任务的特征表示,在获得丰富的全局特征信息的同时避免了使用自然语言处理工具和外部背景知识,提升模型的准确率.论文的模型在DDIExtraction 2013数据集上的F1值达到了 83.25％,优于目前最新方法2.35％.
文献关键词：
药物-药物相互作用关系抽取;预训练生物医学语言模型;目标药物实体对;图神经网络
中图分类号：
作者姓名：
杨霞;韩春燕;琚生根
作者机构：
四川大学计算机学院,成都610065;四川民族学院理工学院,康定626001
文献出处：
引用格式：
[1]杨霞;韩春燕;琚生根-.基于实体信息和图神经网络的药物相互作用关系抽取)[J].四川大学学报（自然科学版）,2022(02):42-50
A类：
预训练生物医学语言模型,DDIExtraction,目标药物实体对
B类：
实体信息,图神经网络,药物相互作用,相互作用关系,关系抽取,法利,背景知识,自然语言处理,误传,数据预处理,对药,别关,取模,预训练语言模型,句子,特征表示,数据集构建,行卷,卷积操作,全局特征,特征信息,拼接,关系提取
AB值：
0.251164
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
