一种基于共训练的半监督生物医学事件抽取方法技术
【技术实现步骤摘要】
一种基于共训练的半监督生物医学事件抽取方法
本专利技术涉及文本挖掘领域，尤其涉及一种基于共训练的半监督生物医学事件抽取方法。
技术介绍
生物医学事件提取是信息抽取的一个重要分支。随着生物医学文献的快速增长，科研工作者需要大量的精力和时间来获得相关的科学知识。因此，生物医学事件信息的自动抽取引起了人们极大的兴趣。因此，有必要以有效和准确的方法提取生物医学事件。目前，事件抽取的方法可以大致可以分为两类：基于规则的方法和基于机器学习的方法。基于规则的事件抽取系统由一系列规则组成，包括句子结构、语法关系和语义关系等。这些是从训练数据手动定义或自动学习的。人工干预可以达到较高的精度，但召回率较低。但当语料库较大时，该方法很难指定对所有样本都能提高召回率的规则。基于机器学习的事件提取系统不需要人工干预，它将事件抽取视为一个分类问题，基于机器学习的方法提取大量的特征，如语法特征和语法特征。这些特征通常被输入到支持向量机模型(SVM)中，用于训练模型。基于机器学习的系统性能往往要优于基于规则的系统性能。随着深度学习的不断发展，许多深度学习方法已成功地应用于自然语言处理中。用卷积神...
【技术保护点】
一种基于共训练的半监督生物医学事件抽取方法，其特征在于，至少包括以下步骤：步骤一：初始化有标签数据集作为原始训练集，进行文本预处理，并生成短句训练集，同时初始化无标签数据集；步骤二：在训练集上训练SVM分类器，在短句训练集上训练CNN分类器，用好的SVM分类器和CNN分类器对无标签样本进行分类预测；步骤三：依据选择策略，选择无标签数据集中符合条件的样本，回填至训练集中，用扩充后的新训练集重新训练SVM分类器和CNN分类器，重复步骤二、三，直至开发集上的F值达到最大；步骤四：经上述迭代过程，增量地扩展了训练集，并得到训练好的SVM分类器和CNN分类器，结合两分类器的结果，对最...
【技术特征摘要】
1.一种基于共训练的半监督生物医学事件抽取方法，其特征在于，至少包括以下步骤：步骤一：初始化有标签数据集作为原始训练集，进行文本预处理，并生成短句训练集，同时初始化无标签数据集；步骤二：在训练集上训练SVM分类器，在短句训练集上训练CNN分类器，用好的SVM分类器和CNN分类器对无标签样本进行分类预测；步骤三：依据选择策略，选择无标签数据集中符合条件的样本，回填至训练集中，用扩充后的新训练集重新训练SVM分类器和CNN分类器，重复步骤二、三，直至开发集上的F值达到最大；步骤四：经上述迭代过程，增量地扩展了训练集，并得到训练好的SVM分类器和CNN分类器，结合两分类器的结果，对最终待分类预测的文本进行分类预测。2.根据权利要求1所述一种基于共训练的半监督生物医学事件抽取方法，其特征在于，所述短句训练集的构造方法为：21)对训练集中的样本，预处理后提取(触发词，蛋白质)对之间的最短依存路径；22)依存路径过短的情况不能很好的表示句子的语义，有必要在最短依赖路径上添加信息，通过添加直接子节点和直接父节点，拓展最短路径中每个节点，然后根据原始句子中的位置信息，将所有节点包括子树节点扩展和依赖路径中的每个节点进行排列，并获得新的用于分类的短句，进一步构建了带有标签的短句训练集。3.根据权利要求1所述一种基于共训练的半监督生物医学事件抽取方法，其特征在于，所述CNN的训练和预测方法为：将短句训练集中的短句用词嵌入表示为神经网络模型的输入向量，自动学习特征，第一层将单词嵌入到低维向量中，其中词向量由无监督的神经语言模型获得，下一层使用不同长度的滤波器对文本矩阵进行卷积，滤波器的宽度等于词向量的长度，使用最大池化处理每个滤波器提取的向量，并使用正则化方法防止过拟合，每个滤波器对应一个数字，将滤波器拼接在一起,获得表示该句子的向量，最后使用softmax层对结果进行分类，得到CNN预测结果集。4.根据权利要求1所述一种基于共训练的半监督生物医学事件抽取方法，其特征在于，所述选择样本对训练集进行回填的方法为：样本选择策略如下：
【专利技术属性】
技术研发人员：卢奕南，马小蕾，路扬，潘航宇，
申请(专利权)人：吉林大学，
类型：发明
国别省市：吉林,22
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。