基于联合学习的生物医学因果关系抽取

生物医学因果关系抽取是BioCreative社区提出的一项评测任务,旨在挖掘生物医学实体间丰富的语义关系,并用生物医学表征语言(biological expression language,BEL)来表示.与传统的实体关系抽取不同,该任务不仅包含实体间因果关系的抽取,还包含实体功能的识别.此前已经提出了一些该任务的解决方法,但均未考虑这两个子任务间的关联性.该文基于多任务的思想,提出一种二元关系抽取和一元功能识别共同决策的联合学习模式.首先两个任务共享底层向量表示,然后利用长短期记忆(long short-term memory,LSTM)网络和门控机制学习两个任务之间的交互表示,最后分别进行分类预测.实验结果表明,该方法能够融合两个子任务的信息,在2015 BC-V测试集上获得了45.3％的F值.