論文の概要: ReOnto: A Neuro-Symbolic Approach for Biomedical Relation Extraction
- arxiv url: http://arxiv.org/abs/2309.01370v1
- Date: Mon, 4 Sep 2023 05:36:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-06 19:55:14.145306
- Title: ReOnto: A Neuro-Symbolic Approach for Biomedical Relation Extraction
- Title（参考訳）: ReOnto: バイオメディカルリレーション抽出のためのニューロシンボリックアプローチ
- Authors: Monika Jain, Kuldeep Singh, Raghava Mutharaju
- Abstract要約: ReOnto Relation extract (RE)は、文中のエンティティ間の意味関係を抽出し、語彙で定義された関係に整合させるタスクである。
本稿では,REタスクに神経記号的知識を活用する新しい手法を提案する。
BioRel と ADE の2つの公開バイオメディカルデータセットによる実験結果から,本手法がすべての基準値を上回っていることが確認された。
- 参考スコア（独自算出の注目度）: 3.263873198567265
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Relation Extraction (RE) is the task of extracting semantic relationships
between entities in a sentence and aligning them to relations defined in a
vocabulary, which is generally in the form of a Knowledge Graph (KG) or an
ontology. Various approaches have been proposed so far to address this task.
However, applying these techniques to biomedical text often yields
unsatisfactory results because it is hard to infer relations directly from
sentences due to the nature of the biomedical relations. To address these
issues, we present a novel technique called ReOnto, that makes use of neuro
symbolic knowledge for the RE task. ReOnto employs a graph neural network to
acquire the sentence representation and leverages publicly accessible
ontologies as prior knowledge to identify the sentential relation between two
entities. The approach involves extracting the relation path between the two
entities from the ontology. We evaluate the effect of using symbolic knowledge
from ontologies with graph neural networks. Experimental results on two public
biomedical datasets, BioRel and ADE, show that our method outperforms all the
baselines (approximately by 3\%).
- Abstract（参考訳）: 関係抽出(Relation extract、RE)とは、文中のエンティティ間の意味的関係を抽出し、語彙で定義された関係に整合させるタスクであり、一般的には知識グラフ(KG)やオントロジーの形で表される。
この課題に対処するための様々なアプローチが提案されている。
しかし、これらの技法を生物医学的テキストに適用することは、生物医学的関係の性質上、文から直接関係を推測することが困難であるため、しばしば不十分な結果をもたらす。
これらの課題に対処するために,REタスクに神経シンボル知識を利用するReOntoという新しい手法を提案する。
ReOntoはグラフニューラルネットワークを用いて文表現を取得し、公開可能なオントロジを事前知識として活用し、2つのエンティティ間の知覚的関係を識別する。
このアプローチでは、オントロジーから2つの実体間の関係経路を抽出する。
グラフニューラルネットワークを用いたオントロジーからのシンボル知識の利用効果を評価する。
biorel と ade の2つの公的バイオメディカルデータセットにおける実験結果から,本手法がすべてのベースライン(約3\%)を上回ることがわかった。
関連論文リスト
- Graph Relation Distillation for Efficient Biomedical Instance
Segmentation [80.51124447333493]
本稿では,効率的なバイオメディカル・インスタンス・セグメンテーションのためのグラフ関係蒸留手法を提案する。
画像内レベルと画像間レベルの両方に展開する2つのグラフ蒸留方式を導入する。
多くのバイオメディカルデータセットの実験結果から,本手法の有効性が検証された。
論文 参考訳（メタデータ） (2024-01-12T04:41:23Z) - Neurosymbolic AI for Reasoning over Knowledge Graphs: A Survey [0.0]
本稿では,知識グラフ上でニューロシンボリック推論タスクを行う手法を調査し,それらを分類できる新しい分類法を提案する。
具体的には,(1)論理的にインフォームドされた埋め込みアプローチ,(2)論理的制約を伴う埋め込みアプローチ,(3)規則学習アプローチの3つの主要なカテゴリを提案する。
論文 参考訳（メタデータ） (2023-02-14T17:24:30Z) - fMRI from EEG is only Deep Learning away: the use of interpretable DL to
unravel EEG-fMRI relationships [68.8204255655161]
多チャンネル脳波データからいくつかの皮質下領域の活性を回復するための解釈可能な領域基底解を提案する。
我々は,皮質下核の血行動態信号の頭皮脳波予測の空間的・時間的パターンを復元する。
論文 参考訳（メタデータ） (2022-10-23T15:11:37Z) - EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。
DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文 参考訳（メタデータ） (2022-08-01T18:47:03Z) - From Unstructured Text to Causal Knowledge Graphs: A Transformer-Based
Approach [4.133048890906828]
本稿では,言語で記述された変数や要因を含む知識グラフを共同で抽出するトランスフォーマーに基づくNLPアーキテクチャを提案する。
実世界のドメインにおける知識グラフの正確な抽出と、グラフに基づく推論を行う認知システムのための知識グラフの実用性を示す。
論文 参考訳（メタデータ） (2022-02-23T20:29:55Z) - Discovering Drug-Target Interaction Knowledge from Biomedical Literature [107.98712673387031]
人体における薬物と標的(DTI)の相互作用は、生物医学や応用において重要な役割を担っている。
毎年何百万もの論文がバイオメディカル分野で出回っているので、文学からDTIの知識を自動的に発見することは、業界にとって急激な需要となっている。
生成的アプローチを用いて,この課題に対する最初のエンドツーエンドソリューションについて検討する。
我々はDTI三重項をシーケンスとみなし、Transformerベースのモデルを使ってエンティティや関係の詳細なアノテーションを使わずに直接生成する。
論文 参考訳（メタデータ） (2021-09-27T17:00:14Z) - Neural Multi-Hop Reasoning With Logical Rules on Biomedical Knowledge
Graphs [10.244651735862627]
我々は,創薬の現実世界における課題に基づいて経験的研究を行う。
我々は,この課題を,化合物と疾患の両方が知識グラフの実体に対応するリンク予測問題として定式化する。
本稿では,強化学習と論理ルールに基づく政策誘導歩行を組み合わせた新しい手法PoLoを提案する。
論文 参考訳（メタデータ） (2021-03-18T16:46:11Z) - Integrating Logical Rules Into Neural Multi-Hop Reasoning for Drug
Repurposing [23.783111050856245]
本稿では,これらのルールと強化学習を用いたニューラルマルチホップ推論手法を組み合わせた新しい手法を提案する。
バイオメディカル知識グラフHetionetに本手法を適用し,本手法がいくつかのベースライン法より優れていることを示す。
論文 参考訳（メタデータ） (2020-07-10T10:32:08Z) - Compositional Explanations of Neurons [52.71742655312625]
本稿では, 合成論理的概念を同定し, 深部表現におけるニューロンの説明手順について述べる。
本稿では,視覚と自然言語処理のモデルにおける解釈可能性に関するいくつかの疑問に答えるために,この手順を用いる。
論文 参考訳（メタデータ） (2020-06-24T20:37:05Z) - A Heterogeneous Graph with Factual, Temporal and Logical Knowledge for
Question Answering Over Dynamic Contexts [81.4757750425247]
動的テキスト環境における質問応答について検討する。
構築したグラフ上にグラフニューラルネットワークを構築し,エンドツーエンドでモデルをトレーニングする。
論文 参考訳（メタデータ） (2020-04-25T04:53:54Z) - A logic-based relational learning approach to relation extraction: The
OntoILPER system [0.9176056742068812]
論理に基づく関係学習手法OntoILPERを提案する。
OntoILPERは、例のリッチなリレーショナル表現の利益を享受し、欠点を軽減することができる。
提案手法は統計的手法よりも関係抽出に適していると考えられる。
論文 参考訳（メタデータ） (2020-01-13T12:47:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。