مجردة التعدين النص الطب الحيوي تلقائيا اكتشاف الحقائق المهمة وخلص إلى أن الرابطة بينهما توفر فرصة. مع ظهور الاكتشافات العلمية الجديدة على عدد كبير من المنشورات الطبية الحيوية، وهدفنا هو للاستفادة من هذه الوثائق، وتلقائيا يقوم دلالة هامة لاستخراج المعرفة الطبية والاعتراف البصيرة البيولوجية في هذه الوثائق. ولتحقيق هذا الهدف، ونحن نستخدم وضعت الشبكة العصبية العميقة الجديدة نظام لاستخراج معنى أعمق من المؤلفات الطبية الحيوية. يظهر تقييمنا أن النظام يمكن أن توفر دلالة دقيقة للغاية من البصيرة الإنسان واستخراج العلاقة مقتطفات المكونة المعترف بها للغاية تعمل بشكل أفضل من ذي قبل.
يوفر الأدب الطبية الحيوية ثروة من الموارد المعرفية للعثور على وجود علاقة بين هذه الحقائق والوقائع الهامة. على سبيل المثال: MEDLINE ( < الولايات المتحدة > الطبية على الانترنت تحليل الأدب ونظام استرجاع) يحتوي على أكثر من 18 مليون منذ عام 1946 و5500 مجلة المجلات المنشورة من جميع أنحاء العالم (سيمبسون وDemner Fushman 2012) مراجع. مهمتين المعالجة الرئيسية التي تؤدى في النص الطبية الحيوية هي: (1) تحديد وتصنيف الكيانات الطبية الحيوية لفئات محددة مسبقا (وNER)، مثل البروتين، والجين أو الأمراض؛ (2) مزيج من استنتاج كيان اسمه علاقة، على سبيل المثال، وهو بروتين - (. بون وآخرون، 2014) تفاعلات البروتين، جين - البروتين والمشاكل الطبية - العملية.
توضح هذه المقالة نظام والتي يمكن التعامل معها على أنها علاقة النص الطب الحيوي بين اثنين من نوع كيان الطبية الحيوية معين: (أ) تأثير سببية و (ب) الارتباط.
الدافع لهذا النظام هو لأتمتة أفضل استخراج المعرفة الطبية الحيوية والاعتراف من المعلومات المهمة، مثل ظهرت في العديد من المنشورات في الاكتشافات العلمية الجديدة. على سبيل المثال، وضع السكون مستخدم معين، البحوث الطبية الحيوية الحالية يمكن استخدامها لتوفير أفضل رؤية: السبب يرجع (على سبيل المثال، "اضطرابات النوم")، لإبلاغ العوامل المحتملة التأثير (على سبيل المثال، "السكري"، "السمنة ")، ونظرا لتوصيات العلاج المناسب.
بسبب مقالات الطبية الحيوية غالبا ما يكون العنوان ويخلص ملخص مضمون ورقة، لذلك نحن نركز بشكل رئيسي على العلاقة بين نوعين من الاستخراج من العنوان والملخص. للأسف، هذا التعدين بيانات موجزة لا يزال يجلب العديد من التحديات الرئيسية. على غرار النص الكامل لهذه البيانات، بما في ذلك النص غير منظم مع مجالات محددة من المفردات، ومشاكل المرادفات (على سبيل المثال، "أزمة قلبية" و "احتشاء عضلة القلب")، والمختصرات، المختصرات، وكما الاكتشافات العلمية الجديدة والتنمية هذا المصطلح. على الرغم من أن العنوان هو قصير جدا، غنية المحتوى، لكنها لا تحتوي على ملخص المعلومات الرئيسيين.
معظم هذه التحديات هي أيضا مناسبة لاستخراج العلاقة الطبية الحيوية. وعلاوة على ذلك، لتحديد نوع معين من العلاقة هو أمر صعب، لأن العلاقة ليست فترة مستمرة من النص ممثلة في نوع العلاقة وتقتصر عموما. وأخيرا، أفضل طريقة للاحتفال نوع العلاقة في كثير من الأحيان عدم وجود توافق في الآراء، مما يؤدي إلى عدم وجود تدريب للجسم ذات جودة عالية.
في هذه الدراسة، قمنا بتطوير العصبي التشابه النمذجة شبكة مبتكرة لأفضل العلاقات السببية استخراج وعلاقات التبعية، نحن استخراج مهمة مهمة رسم الخرائط لقياس ممثل الفضاء ناقلات تشابه. نهجنا المبتكر واضح في كيانات اسمه، والعلاقات كيان ويمثل سياق العلاقة بين التشابه قياس والسياق. ويوفر نظام لدينا أيضا مجموعة من اعتراف جديد من الكيانات المسماة، التنبؤ العلاقة (وجهات النظر) بين استخراج كيان، ويتم فرز الإخراج. تقييمنا للنظام اليدوي، وأنها قادرة على إظهار درجة عالية من الدقة مقبولة لاستخراج دلالة التجربة الإنسانية، وفي بعثة تقييم SemEval، السببية استخراج وارتباط معظم عمل متقدمة أكثر من ذي قبل مواتية.
1.1 مساهمة1. لقد وضعنا نهاية نظام لهذه الغاية، لاستخراج الأفكار من دلالة الأدب الطبية الحيوية.
2. نحن الابتكار في العمق مع تشابه الشبكات العصبية النمذجة متري من أجل الحصول على أفضل السببية استخراج العلاقة.
3. يظهر تقييمنا أن لدينا نظام دقة مقبولة تنافسية الإنسان لا يمكن أن يتحقق.
في BioNLP ركزت معظم الأعمال السابقة على استخراج المفاهيم الطبية الحيوية (كرافن، 1999؛ فينكل وآخرون، 2005؛. بون وVanderwende 2010، سيمبسون وDemner-Fushman، 2012؛ ليو، 2016)، مثل المخدرات أو البروتين الاسم. ونحن أيضا اسمه بشكل عام كيان استخراج العلاقة، مثل "التدخين" أو "نوعية النوم." Kabiljo وآخرون (2009) مقارنة تقنية مطابقة نمط خط الأساس والجينات / البروتين التعبير طريقة استخراج كيان منتظم. ومع ذلك، فإن العلاقة القائمة بين استخراج أداة ليست شاملة مثل أداة التعرف على الكيان.
الأعمال السابقة باستخدام عدد كبير من القواميس الطبية والموارد. على سبيل المثال، تشن وآخرون (2008) استخدام MedLEE (فريدمان وآخرون، 2004) المعلومات السريرية نظام EHR السجلات الطبية الإلكترونية لاستخراج هذا المرض علاقة المخدرات الحق. وضعت ليو وآخرون (2015) نظام التعدين النص، للبحث عن الارتباط بين الإنسان أمراض الجينات، والمخدرات، الأيض والسموم لمكافحة الكثير من قواعد البيانات البيولوجية النص الغني. وقد اقترح دراسات سابقة برنامج التمثيل الدلالي (Rindflesh وفيزمان، 2003)، والذي يستخدم المعرفة من اللغة والنص الطب الحيوي في مجال التحليل الطبية الحيوية. كما تم استخدام الموارد الأخرى غير التقليدية، مثل صفحة ويب سجل الاستعلام (Paparrizos وآخرون، 2016) لتوفير الإنذار المبكر عن هذا المرض وجود مدمرة.
مشروع ميزة هو الأسلوب الرئيسي من أساليب التعلم الآلة في معظم علاقة الطب الحيوي أعمال استخراج (دوغان وآخرون، 2011؛. يالا وآخرون، 2016.)، يستكشف الخصائص المختلفة للمتفرق. على سبيل المثال، كلمة ن غرام، استنادا إلى معرفة الخصائص من القاموس الطبي وكلمة ميزات الموقع. مهمتنا هي لوضع نموذج الشبكة العصبية إلى الأمام، أنها لا تتطلب نفس الأغلبية كما تبعثر العمل السابق.
تم تحويله مؤخرا من أعمال الميزة باستخدام النمذجة الشبكة العصبية لمشروع يحسن إلى حد كبير على دقة العديد من المهام NLP. Jagannatha ويو (2016) باستخدام طريقة معينة نموذج LSTM كيان HER بالكشف عن السجلات الطبية للمرضى. بعض الدراسات الحديثة على استخدام تعزيز التعلم العميق في مجال البحوث الصحية (لي، 2017). مستوحاة نهجنا من خلال العمل مؤخرا التعلم جزءا لا يتجزأ، ووضعها في نص نيابة عن المعرفة (Toutanova وآخرون، 2015، 2016) معا، ملتزمة العمل قبل نقل التعلم جزءا لا يتجزأ من (بوردس وآخرون، 2013) وعلى النقيض من تقدير الضوضاء (راو وآخرون، 2016). وأخيرا، فإننا سوف نعمل على استخراج فكرة عن مشكلة قياس التشابه غرار (وآخرون، 2016؛. هو ولين، 2016)، ويقترن عمق كلمة النمذجة التفاعلية الشبكات العصبية.
ونحن نقدم وسيلة لبناء رؤية الطبية الحيوية في النظام الاستخراج، وبما أن ما تبقى من هذا الدليل (خوارزمية 1).
من أجل جعل مناقشتنا الخرسانة، سوف نستخدم العينات الطبية الحيوية في مثال 1. وبالنظر إلى مضمون المادة، وذلك تمشيا 4 خوارزمية 1، ونحن أول استخدام محلل الضحلة والقاموس الطبي العام للعثور على جميع الكيانات المسماة (انظر القسم 4). على سبيل المثال، "الأبحاث السريرية"، "اضطراب النوم الرجال في منتصف العمر" و "السكري" وهلم جرا، يمكن العثور عليها في العديد من الكيانات المعروفة. ثم حكم عليه بالسجن في أي زوج من الكيانات التي تم استردادها من قبل في الصف الأول 6، استنادا إلى العلاقات الشبكة العصبية نحن مستخرج تحقق من وجود السببية صحيح علاقة / العلاقة (القسم 5). على سبيل المثال، يمكن أن نموذجنا تحديد الكيانات "الرجال في منتصف العمر اضطراب النوم" و "السكري" هناك ارتباط، ولكن مع "البحوث السريرية" لا يهم. بعد كل كيان صحيح من خلال خط 7 (القسم 6) ترتيب النتيجة المكون. في الخطوة الأخيرة، في المرتبة يعود النظام على أعلى درجة من البصيرة (S) للمستخدم: وهذا يعطي مثالا على ذلك "السكري النوم رجل الاضطرابات في منتصف العمر ".
يبين الشكل 1 المكونات الرئيسية الثلاثة للنظام العصبي القائم على شبكة تتكون من: (1) اسمه كيان مستخرج اسمه كيان مستخرج، (2) السببية / العلاقة السببية مستخرج / ارتباط العلاقة مستخرج، (3) درجة من البصيرة رتبة ضابط صف البصيرة. نظامنا يقرأ النص الطب الحيوي، وأخيرا تقديم رؤى. لدينا الابتكار الرئيسي في مكون استخراج العلاقة. بعد ذلك، سنقوم بشرح كل عنصر بالتفصيل.
اسمه استخراج كيان في مجال الطب الحيوي بسبب التطور السريع للمصطلحات المجال تحديدا وأصبح جدا التحدي. على سبيل المثال، "داء السكري من النوع 1 (داء السكري نوع 1)"، مرض السكري نوع 1 (داء السكري من النوع 1)، مرض السكري IDDM، أو الأحداث (أحداث مرض السكري) تعبر عن نفس المفهوم. بسبب المرض أو المخدرات الاسم المختصر في تطور مستمر كيان، فإن المهمة تصبح أكثر تعقيدا.
أكثر من معرف كيان الطبية الحيوية الجاهزة الموجودة التركيز الضيق على المصطلحات الطبية الحيوية معين. بدلا من ذلك، وهدفنا هو لاستخراج المفاهيم الطبية الحيوية محددة (مثل "tmem230 الجينات" أو "سرطان البروستات") وكذلك جمل اسمية عامة (مثل "نوعية النوم"، "ممارسة يومية" أو "الرجال المصابين بالبول السكري") لتحسين استدعاء نظام معدل. لذلك، مجموعة واسعة من هذا النظام.
نحن تصميم استخراج كيان باستخدام الكلمة مطابقة مجال المعرفة الطبية وبناء على الحقل مستقلة عن الشبكات العصبية الكشف الحدود الضحلة كيان المحلل. نقترح الإجراء التالي:
1. أولا، ونحن نستخدم قاموس كبير من القواسم المشتركة، والزي الطبي نظام اللغة (UMLS) Metathesaurus (Bodenreider، 2004) للحصول على مجال المصطلحات الطبية الحيوية. UMLS Metathesaurus هو قاموس كبير من المفردات الطبية الحيوية. نحن استخراج من UMLS في أكثر من 3.3 مليون الشروط الطبية الحيوية، ومن ثم استخدام أهو Corasick خوارزمية نمط مطابقة لخلق أداة بحث القاموس. أداة لدينا يمكن تحديد موقع بكفاءة عن المدى UMLS نظرا لإدخال النص، لأنه هو بنية البيانات شجرة، وجود تعقيد الخطي.
2. نحن أيضا أن تستخدم لتحديد اسما عبارة محلل الضحلة الشبكة العصبية العامة (Collobert وآخرون، 2011) على أساس الحدود، والحدود لا يقتصر على هذه المصطلحات الطبية الحيوية. تحليل استخدام الجهاز من أجل تحسين أذكر اسمه نظام التعرف على الكيان.
3. نحن غير مصممة اسمه مكون استخراج كيان للعثور على إدخال النص لجميع الكيانات. والنتيجة هي قائمة من الخطوات 2 و 3 من الناتج شلال، ومن ثم يتم توفيره لاستخراج السببية / ارتباط التجمع من أجل مزيد من المعالجة. في حالة وجود تداخل كيان، فإنه استخراج عبارة فقط أطول تسلسل مطابقة.
لدينا فكرة عن نظام استخراج يستخدم التصميم المتطور. أولا، ونحن نركز على تحسين مهمة استخراج كيان التذكير. ثم، وتبين لنا استخراج عنصر العلاقة السببية (القسم 5) كيفية التعامل مع استخراج الكيانات المذكورة من أجل تحقيق درجة عالية من الدقة.
ونحن نقدم لدينا أول نموذج تصميم الحدس: إذا كان هناك علاقة سببية بين الكيانين اسمه، ثم الكيانين يجب ان يكون مماثلا لغويا، وتمثل ناقلات علاقات وثيقة مساحة منخفضة الأبعاد. ولذلك، فإننا سوف السببية / خريطة الارتباط لاستخراج مهمة فضائية ناقلات قياس التشابه.
لدينا طريقة جديدة للتعلم اسمه كيان
، العلاقة بين الكلمات وناقلات السياق
وقال مقياس التشابه هو ثم واضحة جانبين هما: 1) العلاقة بين الكيان وعلاقة التشابه (القسم 5.2)؛ بالإضافة إلى السياق التشابه (القسم 5.3 والسياق الجملة بين الكيانات 2) ).
والغرض من نهجنا هو تعزيز هذا الهيكل الفضاء ناقلات: نظرا للتشابه بين الكيانات والعلاقات والسياق تصبح أقوى، من أجل تحسين استخراج السببية / ارتباط، فإنه ينبغي مراعاتها في جميع الحالات. قمنا بتطوير نموذجين الشبكة العصبية مع هذه السمة، سواء من التي تستخدم في مكونات النظام في استخراج العلاقة.
نحدد تمثيل الجملة المدخلات
ونتيجة ل
تسلسل الكلمات، كل كلمة لها كلمة جزءا لا يتجزأ من د الأبعاد النواقل.
S يمثل تي ال كلمة جزءا لا يتجزأ من ناقلات (
). وصف نموذج بالتفصيل في الأقسام التالية.
النمذجة 5.1 السياقتظهر كلمات مختلفة في وضع مماثل ينبغي أن يكون لها فرصة أكبر لقياس التشابه والعلاقة الاستخراج. نحن نستخدم اتجاهين LSTM (BiLSTM) النمذجة السياق كأساس لجميع الموديلات اللاحقة.
LSTM (Hochreiter وشميدهوبر، 1997) هو نوع خاص من الشبكة العصبية هو مرارا وتكرارا (ويليامز وZipser، 1989). كل طن، وXT نظرا كلمة المدخلات LSTM مخفية سابقا
الانتاج الحالي مخفية
. BiLSTM LSTM اتجاهين عكس ذلك من خلال تشغيل المكونات موازية. BiLSTM مخفي
يرتبط في LSTM إلى الأمام
وLSTM الوراء
سلسلة تمثل كلمة المدخلات
في سياق الجملة. نحدد عملية CONCAT والأحكام التمثيل الانتاج السياق اتصال
على النحو التالي:
استخدام BiLSTM النمذجة السياق يسمح لنا لتنفيذ مكونات نموذج المتابعة يمكن أن يبنى على رأس سياق بدلا من كلمة واحدة. اسمه إلى الموقع الفعلي لحكم معين، نحن من السياق (
) لإعطاء (
) و (
).
نمذجة علاقة تشابه 5.2في الفضاء ناقلات، ركز نمذجة علاقة تشابه على التفاعل بين الكيانات اسمه والعلاقات. عندما يدعى كيان (
) تجربة علاقة
عندما يتم تشغيل عملية التحويل، فإن الغرض من النمذجة علاقتنا هو كيان مماثل بعد ترجمة التحول القسري إلى كيان آخر يدعى في نفس المكان ناقلات (
)، ذلك أن العلاقة يحمل بين كيانين اسمه.
فيما يلي نقدم لك مجموعة من دالة الهدف لدينا نماذج علاقة التشابه:
من أجل إنشاء نموذج عملية تحويل المعادلة 4، ونحن بحاجة إلى معرفة كيفية قياس يتضاعف ثلاث مرات
التشابه.
لذلك، قمنا بتطوير وظيفة قياس التشابه SimiScore يمكن أن تتعلم مع الوزن (* W) ل
يأخذ وظيفة تشابه اسم
زوج من الكيانات والعلاقات
يعود على درجة التشابه
ممثل القرب الدلالي للعدد، مثل 1 وظيفة.
طريقة المرتبة التي نستخدمها أثناء التدريب القيد المعادلة 4 إلى نموذج علاقة التشابه. هدفنا هو أن نتعلم وظيفة SimiScore ()، حتى أن يتضاعف ثلاث مرات الإيجابية
ونظرا لأنها سلبية من ثلاثة أضعاف
عن نقاط:
من بينها،
وهو يمثل السببية إيجابي / الارتباط،
وهو يمثل غير جمعية / عدم الارتباط. طريقة الترتيب يسمح الكيانات
وعلاقة إيجابية
تكبير تشابه النتيجة، في حين سلبية
يسجل أدنى حد ممكن، وبالتالي ضمان اتصال إيجابي أكبر من الاتصال سلبية كما هو مبين في الشكل.
الشكل 2: مشابهة لعلاقتنا علاقة سببية / استخراج العلاقة نموذج مكون من (الأزرق) والتشابه السياق (الأحمر). وتشير السهام سميكة اسم الكيان أكبر التشابه
والعلاقات
/ الجملة سياق الجملة السياق.
لدينا نموذج العلاقة وترتيب التشابه تدريب الطريقة تساعد الفضاء ناقلات
و
عملية التحول، ويؤدي في النهاية إلى رضا عائقا موضوعيا المعادلة 4 أفضل. تشابه نموذج العلاقة كجزء من نظام على رأس BiLSTM (القسم 5.1) من. نحن يدعى الكيانات من التهيئة نموذج BiLSTM
هل
، ثم يتم تمثيل العلاقة
التهيئة ناقلات عشوائي. أثناء التدريب،
يتم تحديثها.
السياق النمذجة التشابه 5.3منذ يست معطى عنوان / ملخص لجميع الكلمات هي نفسها، كيان سميت بهذا الاسم حولها، والسببية / ارتباط العلاقة استخراج تسهم في سياق مهم من ينبغي إيلاء المزيد من الاهتمام للكلمة. لقد قمنا بتطوير إطار نموذج مماثل، يمكن أن تضاف إلى الوزن نموذج مهم في سياق كلمة، من أجل الاستفادة من أفضل المعلومات السياق.
على سبيل المثال، حكم عليه بالسجن، هو الأكثر احتمالا أن يكون ناجما عن التدخين، نظرا للسياق كلمة سرطان الرئة هو فكرة هامة، مشيرا إلى وجود علاقة سببية / العلاقة بين كيانين اسمه. علما بأن احتياجات نموذج فكرة كلمة عامة تشمل، على سبيل المثال الرصاص وتكوين الجمعيات، لأنه، في حين كان البعض لا كلمات كبيرة مثل تعزيز، تعكس، خفضت إلى. لا يحتاج نظامنا إعداد دليل للكلمة القوائم القرائن، ولكن في سياق الكلمات التي عبرت عنها
(لا تشمل الكيانات ق) ومقياس التشابه بين آليات الإنتباه تستخدم إسم استخراج (Bahdanau وآخرون، 2014) لتحديد أفضل الكيان
(من القسم 4). الناتج درجة التشابه كلمة
في تراكمية.
يمثل كيانين متصلة
في حالة تطبيق لتحويل خطي للحصول على الوزن يشير وا لخلط الكيانين. يتم خلط ثم، ونحن نستخدم المنتج نقطة مع مقياس التشابه DOTP كل كلمة السياق، وأخيرا مع التطبيع softmax الانتباه درجة ATTEN . تمثل الأوزان ATTEN أهمية كل كلمة السياق كيانين اسمه.
الاهتمام على الأوزان ينبغي أن تركز أفضل نموذج للاسترشاد بها في سياق مهم لمصطلح الجملة. وهذا هو، وأقرب إلى السياق المادي يتميز مزيج من الكلمات ينبغي أن يكون لها فرصة أفضل من أن تصبح كلمات فكرة. نحدد الجمل الاهتمام Reweighted تتميز بما يلي:
:
العنصر الذي يمثل الضرب.
FIG 2 يوضح مثال الذي يمثل مجموعة من الكيانات اسمه يوجه الكلمات من سياقها. مهمة كلمة فكرة السياقية "الناجمة عن ..." يجب أن يكون أفضل من جاره كلمة لا علاقة لها المزيد من الاهتمام بالوزن.
تمثل الجملة المرجح الكيان يمثل attenSen
معا من أجل التنبؤ النهائي.
وعموما، تتركز النموذجين الموضحة في هذا القسم على العلاقة بين مقياس التشابه في الجوانب المختلفة لاستخراج: يستخدم نموذج التشابه السياقية المعلومات حول إطار الكيانات المذكورة، وركز نموذج العلاقة التشابه على تقديم الكيانات الفضاء ناقلات التحويل بين القيود العلائقية. استخدمنا نموذجين لتحسين استخراج العلاقات، في نهاية المطاف زوج واحد فقط من نماذج بالتأكيد تتم تسمية الكيانات من أجل تمرير إلى المرحلة التالية من هذا النظام.
واجهة الشرح الإنسان على UHRS منصة: الشكل (3). ملاحظات تحتاج إلى تحديد وتوثيق المستخرجة من إخراج نظام التقييم لدينا والكيانات ذات الصلة / السببية.
تم تصميم المكون الرئيسي الأخير من النظام لدينا لتأخذ العلاقة من علاقة بين مخرجات الجمعية استخراج
لأنه قد يكون هناك العديد من العلاقات استخراج البصيرة، ولكن ليس كل من المواد هي كما يكفي الهامة. أهمية العلاقة بين درجات استخراج اتباع مجموعة من القواعد:
1. علاقة التشابه مع الإخراج تصنيف نموذج احتمال
يسجل كما أمر المرجعية.
2. نحن نستخدم متعددة زاوية نموذج التفاف الشبكة العصبية (MPCNN) (وآخرون، 2015) لقياس التشابه بين العنوان والعلاقة استخراج المقال
، MPCNN القياسات وضع تنافسي على عدد وافر من النصوص إشارة مماثلة. نحن استخراج العلاقة ".
سبب
"بالمقارنة مع نص العنوان، إذا تجاوزت درجة التشابه قيمة عتبة 0.75، ارتفع استخراج العلاقة النتيجة كبار بنسبة 15، وإذا نص العنوان المستخرجة من العلاقة، على أهمية نظرا لموقعها، وسوف نحسن أيضا إلى المرتبة 15 نقطة .
مرة واحدة يسجل استخراج كافة العلاقات، ونظامنا عاد فقط للمستخدم المرتبة البصيرة.
مجموعة البيانات. إجراء التجارب على مجموعتين من البيانات: لدينا المنشورات الصحية / الطبية الخاصة المتعلقة مجموعات البيانات على أنظمة الإنسان العالمية (النظام العالمي الصلة الإنسان، UHRS) التعليقات، التي هي عبارة عن منصة التعهيد الجماعي لتقييم نهاية النظام؛ 8 SemEval 2010 للمهام التدريب ومجموعات البيانات لتقييم المكون استخراج العلاقة:
أول مجموعة من البيانات بما في ذلك من المجلات الطبية الحيوية / الصحة مؤخرا 100 مطبوعة، ثم علق على UHRS لتقييم نظامنا. لضمان الملاحظات اصطناعية عالية الجودة، والشكل (3) يوفر واجهة الشرح على UHRS، الذي عرض المنشورات تعليمات، والعنوان المنشور / نص موجز والإخراج أعلى مرتبة من النظام لاستخراج التبصر في القائمة. ولكي نكون منصفين لتقييم واستخراج البصيرة في ترتيب عشوائي، فإننا نطلب الموظفين المؤهلين المهنية للتحقق من الملاحظات الأساسية لكل صحيحة.
SemEval 2010 العمل 8 (Hendrickx وآخرون، 2009.) لتعريف تسعة أنواع من العلاقات بين الكيانات اسمه: السبب - تأثير السبب والنتيجة، وأدوات - القائم بأعمال صك بين الوكالات، والمنتج - منتجي المنتج، المنتج، والمحتوى - حاويات محتوى الحاويات، كيان - الأصلي كيان الأصل، كيان - الغرض كيان جهة، والمكونات - العام المكون كله، وأعضاء - مجموعة من أعضاء جمع والرسائل - الموضوع الرسالة الموضوع، وعندما اثنين اسمه الكيانات دون علاقة التسعة الأولى والعاشرة أنواع علاقة أخرى غيرها. يتضمن مجموعة البيانات SemEval 2010 جمل 10717، وتدريب 80002717 الاختبارات. الاصطناعي الشرح مجموعة البيانات، كل حالة من نوع اسمه تضم العلاقة جملتين بين اثنين من الكيانات والهيئات.
لأن لدينا تركيز النظام على استخراج البصيرة، لذلك نحن فقط استخدام مجموعة فرعية من السبب والنتيجة مجموعة البيانات SemEval 2010 بمثابة تدريب إيجابي / اختبار الأمثلة، وتسع فئات المتبقية من البيانات (مثل المحتوى حاوية، رسالة، الموضوع) تعتبر سلبية. نحن نستخدم مجموعة البيانات هذه لتدريب وتقييم استخراج علاقتنا التجمع (القسم 5).
التدريب. فقدان وظائف في اثنين من تدريب استخراج العلاقة نموذج الشبكة العصبية. على غرار نموذج السياق (القسم 5.3)، وذلك باستخدام فقدان المفصلي. هدف التدريب هو لتقليل الخسائر، ملخص القضية
حيث يمثل x كيان مساهمة
بالإضافة إلى السياق حكمها،
هو مستوى قيمة وقيمة العلامات الحقيقية
هل نتائج النموذج التنبؤ.
و
لها علاقة أعرب نوع الاتجاهية (مثل السببية الاتجاه). ث يمثل الوزن من النوع الثقيل التشابه السياقية مع وظائف،
العلامة انتاج نموذج القيمة المتوقعة من وظيفة
نموذج إخراج قيمة العلامة الحقيقية، n هو عدد العينات التدريب.
تشابه نموذج العلاقة (القسم 5.2)، وذلك باستخدام النظرية الافتراضية شخصية مرتبة (النظرية الافتراضية شخصية تصنيف، الاستعراض) الخسارة (Rendle وآخرون، 2009). العلاقة العلامة تشابه النموذج هو ثنائي، لأن فقدان هذا الاستعراض على المدخلات السلبية الفرز مساهمة إيجابية، مما يتطلب الإشراف على التمييز بين الإشارات الإيجابية والسلبية. نظرا لطبيعة فقدان الاستعراض من رتبة، ويشمل كل حالة تدريب نموذج العلاقة التشابه ومساهمة إيجابية
والمدخلات السلبية
. نظرا لارتباط إيجابي / السببية مساهمة
دخلنا من خلال العلاقة س سلبي مع التسمية
كل مباراة يولد عينات التدريب السلبية. فقدان الاستعراض تظهر تجريبيا أفضل فرز المهام (فيرجا وآخرون، 2016.):
حيث، [سيغما] هي وظيفة السيني، وظيفة
BiLSTM باستخدام نموذج العلائقي يمثل درجة من التشابه، وإخراج على درجة التشابه الترتيب (القسم 5.2).
في كل التجارب، كنا RMSProp (تيلمان وهينتون، 2012) و-نشر الظهر (bottou، 1998) لتحسين وإصلاح معدل التعلم في 10-4، والزخم المعلمة 0.9.
والمحددة مسبقا. نحن نستخدم عدة قبل ستانفورد CoreNLP مجموعتين من البيانات (مانينغ وآخرون، 2014). نحتفل، صغيرة، وتقسيم الجملة و تحليل التبعية من كل الكلمات في كل من مجموعات البيانات. وضعناها LSTM مخبأة قاتمة = 500.
مجموعتين من د = 300 كلمة تضمين البعد. الأول هو كلمة 300 الأبعاد القفازات جزءا لا يتجزأ من التدريب على 840000000000 البنود علامة (بنينجتون وآخرون، 2014.)؛ لأفضل الطب الحيوي القدرة على التكيف مجال / الصحة، ونحن أيضا استخدام القفازات أدوات لأكثر من 1000000000 الموسومة المقالات والبحوث الطبية الحيوية كانت العناصر الكلمة الثانية جزءا لا يتجزأ من التدريب. نحن لا تحديث النص جزءا لا يتجزأ من جميع التجارب.
أثناء النشر، إذا القفازات جزءا لا يتجزأ من المفردات لا وجود لها، ونحن فقط التهيئة كلمة الإدخال مع كلمة الطبية المضمنة. سوف نعتمد أيضا على الأشجار وكلمة إدخال البادئة جزءا لا يتجزأ من ارتباطها نموذجا للعلاقة بين استخراج الإدخال. نحن نتبع إعدادات المهمة، يتم حساب استخدام فقط الرسمية F1-نتيجة لتقييم البرنامج النصي على السبب والنتيجة فرعية البيانات SemEval عام 2010، ومن ثم اختيار أفضل نموذج للنشر النهائي استنادا F1. وضعناها المسافة يقتصر على 15، إذا كانت المسافة أكبر من 15، لا استخراج العلاقة بين الكيانين اسمه.
تقييم البشري للنظام بأكمله. أولا، ونحن نقدم نهاية كاملة لتقييم نهاية النظام في الشرح اليدوي UHRS.
لكل المنشورات الطبية الحيوية، وقوائم أفضل 10 مرشحا من نظام من الأفكار لمزيد من الدراسة. الذين يفهمون متطلبات وضع العلامات من النص، انقر نقرا مزدوجا التحقق من كل البصيرة، وأخيرا إما قبول ذلك (إذا كان هذا هو مادة واحدة الرأي)، أو رفضها. تحتاج المهام وصفها لفهم المنشورات الطبية الحيوية / الصحة، ولها قدرة قوية، تميزت بذلك عن طريق التقييم المنهجي من خمسة خبراء لاستكمال، وأنهم جميعا يحملون شهادات الدراسات العليا و / أو الخلفية الطبية الحيوية.
تقييم البشري ونظام كامل UHRS النظام الأساسي: الشكل 4. وتبين لنا في القائمة الناتج النظامين، قبول دقة كل من أول موقف عشرة. نحن نركز بشكل رئيسي على الجبهة 1 و 3، وهي الدقة @ 1 والدقة @ 3.
ونحن نقدم أيضا نظام المعيار هو في اتجاهين عنصر استخراج العلاقة بوابات نموذج RNN (BiGRU) (تشو وآخرون، 2014). BiGRU نموذج والعنصر البارز هو الفرق الرئيسي بين نظامنا ونظام مرجعي كامل. منذ عادة ما يعطى هذه المادة سوى عدد محدود من النتائج الرئيسية، تلقينا في المتوسط من الدقة الثلاثة السابقة (الدقة @ 3) نظام تقييم الموقف قبل (الدقة @ 1) الناتج من القائمة في المرتبة، فإنه وهو يمثل متوسط عدد رأي المستخرج من إخراج وردت 1 و 3 في المفسرين السابق.
4 يبين الشكل نتائج كل موقف الانتاج الشرح منح لقب المواد الطبية الحيوية (10) ومواقع الانتاج. كانت دقة النظام العام @ 350.6، أفضل بكثير من النظام القياسي 21.3. لاستخراج التبصر في المراكز الثلاثة الاولى، لدينا المتوسط النظام بأكمله من 1.5 المسمى يتلقى البصيرة. وبالإضافة إلى ذلك، فإن دقة نظامنا استقبال دقة @ 1 هي 63، في حين كان النظام القياسي 21.
ويبين الجدول 1 إزالة التجمع ودراسات النوع الاجتثاث (ثانية. 6)، واستبدال نموذج BiGRU السببية واستخراج الارتباط. لاحظنا فرقا كبيرا في الأداء.
الجدول 2: السببية فرعية semeval 2010 نتائج اختبار مجموعة بيانات (F1 جزء) من (*). يتم تقسيم النتائج إلى: 1) semeval - قبل المسابقة 2010 فرق المعنية من ثلاثة الترتيب؛ 2) الأساس BiGRU نموذج؛ 3) أحدث نموذج treeLSTM المتقدم (ميوا وبانسال، 2016)؛ 4) نتائجنا.
علاقة عنصر تقييم الاستخراج. ونحن أيضا تقييم الأسباب مجموعة البيانات SemEval 2010 - مجموعة فرعية من تأثير استخراج العلاقة التجمع (القسم 5). يرجى ملاحظة أن لدينا عنصر استخراج العلاقة السببية ليس عنصر مشترك، لأن نظامنا تشعر بالقلق فقط مع استخراج الطبية الحيوية / الصحة الأدب البصيرة. سنعمل على قبل CauseEffect فرعية من البيانات مقارنة مع نموذجنا استخراج العلاقة، ويبين الجدول 2 العلاقة بين نموذج تشابه لدينا، من دون استخدام ميزة متفرق أو الموارد الخارجية مثل وردنت، أفضل من آخر treeLSTM الأكثر تقدما نموذج (ميوا وبانسال، 2016). وهذا ما يفسر أيضا BiGRU نموذج لديه كبير قادرة على المنافسة في هذه المجموعة البيانات، والذي هو السبب لماذا نستخدمها للمقارنة في النظام الأساسي لدينا.
يشبه نموذج سياق التصور: عرضنا الاهتمام الأوزان الثقيلة من طراز السياق التشابه (القسم 5.3)، أي من سياق ATTEN 8 و 9 من تشابه المعادلة نموذج. نظرا SemEval 2010 اختبار البيانات مجموعة من أربع جمل، يتنبأ النموذج أن جميع الكيانات ذات العلاقة السببية (بالخط العريض). يمكننا أن نرى من الجدول 3، ومن المتوقع أن تكون قادرة على القيام بعمل نموذج: لا يمكن أن تعترف كلمة فكرة هامة، مثل "الرصاص"، "إنتاج"، "إنشاء" و "العقل". نموذج يولد الأوزان الاهتمام (كل ) لتمثيل أهمية كلمة فكرة عن استخراج السببية / الارتباط. لاحظنا أيضا أن هذا النموذج تميل إلى إيلاء المزيد من الاهتمام لحرف الجر كلمة فكرة، مثل "توليد الناتجة عن ......" في "ب" و "يؤدي إلى يؤدي إلى" ال "في"، والتي قد تكون لأننا نستخدم الكلمة الأولى كمدخل إضافي من طراز (المادة 7).
دراسة حالة: وأخيرا، ونحن نقدم دراسة حالة النظام. لدينا اثنين من عناوين وملخصات المواد الطبية الحيوية، على سبيل المثال، وذلك بسبب ضيق المكان، أزلنا النص غير ذي صلة.
مع حالة (1)، على سبيل المثال، البصيرة المستوى الأعلى إلى الناتج نظامنا: "بطيئة الحركة سلبية DC إمكانية زادت استثارة القشرية التحول السلبي البطيء للإمكانات DC زيادة استثارة القشرية"، على درجة من 0.71. في حالة 2، نظامنا إخراج المراكز الثلاثة: "الإفراط في شرب الكحول سرطان الجلد،" برصيد 0.55، "الشرب المفرط للكحول " برصيد 0.43، "الإفراط في شرب الكحول حروق الشمس" برصيد 0.31. تظهر هذه الأمثلة أن نظامنا يمكن أن توفر نظرة معقولة من نص الطبية الحيوية.
الخلاصة: ويعتقد التيار المباشر القشرية (DC) القدرة على عكس حالة استثارة القشرية، هذه الحالة قد الانتقال من حالة اليقظة إلى حالة النوم. الدراسة التجريبية الحالية من 10 صحية فروة الرأس الإنسان DC تغيير محتمل. على افتراض أن الانتقال من اليقظة إلى النوم يصبح ببطء سلبي DC التحول المحتمل يعكس استثارة زيادة القشرة غير معقول.
الحالة 2: استهلاك المبلغ عنها ذاتيا الكحول وحروق الشمس: مسح أفقي، على أساس عدد السكان.ارتبط الكحول مع العديد من أنواع السرطان، بما في ذلك سرطان الجلد وسرطان الخلايا القاعدية: مجردة. ... ذكرت 299658 البالغين أنهم استخدموا الكحول في الشهر السابق، وكان في السنة السابقة تاريخ من حروق الشمس. أفادت معلومات عن 33.5 من أفراد العينة حروق الشمس في العام الماضي. ... البالغين في الولايات المتحدة مع الإفراط في استهلاك الكحول المتعلقة بأسعار أعلى من حروق الشمس.
وتمثل العلاقة المرصودة سلوك عالية المخاطر المرتبطة باستهلاك الكحول المفرط، وتقترح وسيلة للتعاطي الكحول مرتبط بسرطان الجلد.
أنشأنا الأدب الطبية الحيوية من اقصاه الى اقصاه نظرة ثاقبة على النظام الاستخراج. نحن نستخدم عمق تطوير النمذجة الشبكة العصبية جديد لاستخراج التشابه قياس السببية / الارتباط. يظهر تقييمنا أن النظام قادر على انتزاع الناس لديهم أعلى قدر من الدقة فكرة مقبولة، المكون استخراج علاقة مقارنة مع الأعمال السابقة بشكل إيجابي.
