一种基于共训练的半监督生物医学事件抽取方法

摘要

本发明涉及一种基于共训练的半监督生物医学事件抽取方法。随着生物医学文献的快速增长，生物医学事件的自动抽取引起了人们极大的兴趣。然而，已标注的生物医学事件语料库规模较小，这会影响分类算法的性能，甚至导致过拟合。我们提出了一种新的生物医学事件抽取的共训练方法，从未标记的数据中识别出更准确的正实例，以此扩大已标记的训练集。首先，设计丰富的特征供SVM使用。然后，用从Word2vec从Pubmed中学习基于词嵌入的短句，进一步将短句拓展为触发词和参数之间的依存短句，并将其输入到CNN中。最后，未标记语料库中经SVM和CNN预测的符合条件的样本对回填到训练集中，增量地扩展训练集。大量实验结果表明，新的半监督生物医学事件提取方法能有效提取事件。