基于卷积神经网络的医学实体关系分类模型研究

摘要：

[目的]为提升关系分类模型性能,降低特征计算复杂性,提出一种融合多特征嵌入的卷积神经网络实体关系分类模型.[方法]参考已有研究的主要嵌入特征,提出融合位置和词汇级特征嵌入的卷积神经网络实体关系分类模型,并给出特征的计算表示方法,上述特征无需复杂计算算法,提高了模型性能.[结果]所提模型在生物医学领域语料库AIMed、GENIA和ChemProt上F1值分别为0.7342、0.9764和0.8900,在GENIA和ChemProt上实现了当前最佳性能.[局限]尚未融入生物医学领域先验知识等领域特色的特征.[结论]融合多特征嵌入的卷积神经网络实体关系分类模型具有良好的分类效果,可为生物医学领域关系抽取和知识库研究提供参考.

关键词：关系分类;卷积神经网络;位置特征;词汇级特征

所属期刊栏目：5

分类号：G350(情报学、情报工作)

资助基金：本文系国家自然科学基金项目;国家重点研发计划项目

在线出版日期：2021-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：75-84