基于深层语境词表示与自注意力的生物医学事件抽取

摘要

生物医学事件抽取是生物医学文本信息抽取中最重要的、也是最富有挑战性的任务之一,近年来得到了广泛关注.生物医学事件抽取中最重要的2个子任务为触发词识别和事件要素检测.已有的大部分方法将触发词识别作为分类任务,忽略了句子级标签信息.构建基于长短时记忆神经网络与条件随机场的序列标注模型用于触发词识别,分别将组合字符级词表示的静态预训练词向量和基于预训练语言模型的动态语境词表示作为模型输入;同时,针对事件要素检测任务,充分利用实体以及实体类型特征,提出基于自注意力的多分类模型.最终触发词识别F1值为81.65％,整体事件抽取F1值为60.04％,实验结果表明提出的方法对于生物医学事件抽取是有效的.