基于注意机制的化学药物命名实体识别

作     者：杨培 杨志豪 罗凌 林鸿飞 王健 Yang Pei;Yang Zhihao;Luo Ling;Lin Hongfei;Wang Jian

作者机构：大连理工大学计算机科学与技术学院辽宁大连116024 

出 版 物：《计算机研究与发展》 (Journal of Computer Research and Development)

年 卷 期：2018年第55卷第7期

页      面：1548-1556页

核心收录：

学科分类：0810[工学-信息与通信工程] 0808[工学-电气工程] 08[工学] 081203[工学-计算机应用技术] 0839[工学-网络空间安全] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61272373 61572102 61572098) 新世纪优秀人才支持计划(NCET-13-0084) 国家重点研究计划项目(2016YFC0901902)~~ 

主　　题：长短期记忆网络 注意 条件随机场 化学药物命名实体识别 深度学习 

摘      要：在生物医学文本挖掘领域,化学药物命名实体识别具有重要意义.目前的主流方法是基于条件随机场(conditional random fields,CRF)的方法,但是该方法需要大量的人工特征,并且存在实体标签的全文非一致性问题.针对此问题,提出一种基于注意(Attention)机制的深度学习方法.该方法首先从海量生物文本中学习词向量,然后利用双向长短期记忆网络(BiLSTM)学习字符向量,随后将词向量和字符向量再经过另一个BiLSTM以获得词的上下文表示,然后再利用Attention机制获得词在全文范围下的上下文表示,最后利用CRF层得到整篇文章的标签序列.实验结果表明:相比之前的研究方法,提高了在同一篇文章中实体识别的一致性,并在BioCreative IV评测中的CHEMDNER数据集上取得了更好的结果(F值为90.77%).