计算机应用

作者：许力, 李建华

单位：华东理工大学 信息科学与工程学院, 上海 200237

关键词：生物医学,命名实体识别,双向长短期记忆网络,图卷积网络,句法依存分析,图注意力机制

基金：国家重大新药创制国家科技重大专项（2018ZX09735002）；国家重点研发计划项目（2016YFA0502304）。

现有的生物医学命名实体识别方法没有利用语料中的句法信息，准确率不高。针对这一问题，提出基于句法依存分析的图网络生物医学命名实体识别模型。首先利用卷积神经网络（CNN）生成字符向量并将其与词向量拼接，然后将其送入双向长短期记忆（BiLSTM）网络进行训练；其次以句子为单位对语料进行句法依存分析，并构建邻接矩阵；最后将BiLSTM的输出和通过句法依存分析构建的邻接矩阵送入图卷积网络（GCN）进行训练，并引入图注意力机制优化邻接节点的特征权重得到模型输出。所提模型在JNLPBA和NCBI-disease数据集上的F1值分别达到了76.91%和87.80%，相比基准模型分别提升了2.62和1.66个百分点。实验结果证明，提出的方法能有效提升模型在生物医学命名实体识别任务上的表现。

来源：2021年第2期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第2期