典型文献
面向生物医学实体链接的联合式学习方法
文献摘要：
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.
文献关键词：
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
中图分类号：
作者姓名：
胡宇;申德荣;聂铁铮;寇月
作者机构：
东北大学计算机科学与工程学院 沈阳 110819
文献出处：
引用格式：
[1]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(04):748-765
A类：
生物医学知识库,概念对齐,生物医学文本挖掘
B类：
实体链接,联合式,索价,用海,医学文献,隐藏信息,生物医学研究,命名实体,字符串,射到,生物医学领域,医学领域知识,接任,自然语言,歧义性,异构性,特征选择,分阶段,误差传播,深度挖掘,隐藏特征,概念图,实体识别,法旨,语义信息,语义关系,精确性,核心任务,性能提升,实体对齐,语义分析
AB值：
0.27962
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。
