融合BSRU和ATT-CNN的化学物质与疾病的关系抽取方法

发布时间：2023-03-12 14:28

　　医学文本中经常存在某个化学物质与多个不同疾病同时相关的情况,传统的深度学习方法不能充分利用句子的长距离依赖信息和其他文本特征,导致医学实体较多的长文本中存在核心实体关系不精确的问题.为此提出双向简单循环神经网络(BSRU)与带注意力机制的卷积神经网络(ATT-CNN)相结合的模型,双向简单循环网络实现文本的长距离依赖信息和多种特征信息的向量表示,注意力机制-卷积神经网络减少噪声影响后使用不同大小的卷积核学习文本的多种特征,分段池化后通过分类完成关系抽取.通过实验验证,本文模型在化学物质与疾病的关系抽取中具有良好表现.

【文章页数】：6 页

【文章目录】：
1 引言
2 相关研究
3 BSRU和ATT-CNN模型
    3.1 BSRU模块
        3.1.1 词向量表示
        3.1.2 位置特征
        3.1.3 上下文信息特征
    3.2 ATT-CNN模块
        3.2.1 注意力机制
        3.2.2 卷积神经网络
        3.2.3 softmax分类
4 实验及结果分析
    4.1 实验数据
    4.2 实验过程与评价标准
        4.2.1 实验过程
        4.2.2 评价标准
    4.3 实验结果与分析
        1)使用不同大小的卷积核进行对比
        2)注意力机制对模型表现的影响
        3)本文模型与其他模型的对比
5 结束语



本文编号：3761389