論文の概要: Generalized knowledge-enhanced framework for biomedical entity and relation extraction

• arxiv url: http://arxiv.org/abs/2408.06618v1
• Date: Tue, 13 Aug 2024 04:06:45 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-14 18:46:15.899023
• Title: Generalized knowledge-enhanced framework for biomedical entity and relation extraction
• Title（参考訳）: バイオメディカルエンティティと関係抽出のための一般知識強化フレームワーク
• Authors: Minh Nguyen, Phuong Le,
• Abstract要約: バイオメディカルな実体と関係抽出のためのタスク非依存で再利用可能な背景知識グラフを構築するための新しいフレームワークを開発する。 私たちのモデルの設計は、人間がドメイン固有のトピックを学ぶ方法にインスパイアされています。 我々のフレームワークは、そのような共通知識共有機構を用いて、異なるドメイン固有のバイオメディカルテキストに効果的に転送可能な学習が可能な、一般的なニューラルネットワーク知識グラフを構築する。
• 参考スコア（独自算出の注目度）: 0.6856896119187885
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, there has been an increasing number of frameworks developed for biomedical entity and relation extraction. This research effort aims to address the accelerating growth in biomedical publications and the intricate nature of biomedical texts, which are written for mainly domain experts. To handle these challenges, we develop a novel framework that utilizes external knowledge to construct a task-independent and reusable background knowledge graph for biomedical entity and relation extraction. The design of our model is inspired by how humans learn domain-specific topics. In particular, humans often first acquire the most basic and common knowledge regarding a field to build the foundational knowledge and then use that as a basis for extending to various specialized topics. Our framework employs such common-knowledge-sharing mechanism to build a general neural-network knowledge graph that is learning transferable to different domain-specific biomedical texts effectively. Experimental evaluations demonstrate that our model, equipped with this generalized and cross-transferable knowledge base, achieves competitive performance benchmarks, including BioRelEx for binding interaction detection and ADE for Adverse Drug Effect identification.
• Abstract（参考訳）: 近年,生物医学的実体と関係抽出のために開発されたフレームワークが増えている。 本研究は, バイオメディカル・パブリッシングの急速な成長と, 主にドメインの専門家向けに書かれたバイオメディカル・テキストの複雑な性質に対処することを目的としている。 これらの課題に対処するため、我々は、外部知識を利用して、バイオメディカルな実体と関係抽出のためのタスクに依存しない再利用可能な背景知識グラフを構築する新しいフレームワークを開発した。 私たちのモデルの設計は、人間がドメイン固有のトピックを学ぶ方法にインスパイアされています。 特に、人間はまず基礎知識を構築する分野に関する最も基礎的で一般的な知識を取得し、それを様々な専門的なトピックに拡張するための基礎として利用する。 我々のフレームワークは、そのような共通知識共有機構を用いて、異なるドメイン固有のバイオメディカルテキストに効果的に転送可能な学習が可能な、一般的なニューラルネットワーク知識グラフを構築する。 実験により, この一般化・相互変換可能な知識ベースを備えた本モデルは, 結合相互作用検出のためのBioRelExや, 逆薬物効果同定のためのADEなど, 競合性能ベンチマークを達成できることが確認された。

関連論文リスト

• Unified Representation of Genomic and Biomedical Concepts through Multi-Task, Multi-Source Contrastive Learning [45.6771125432388]
  言語モデル(genEREL)を用いたジェノミクス表現について紹介する。 GENERELは遺伝学と生物医学の知識基盤を橋渡しするために設計されたフレームワークである。 本実験は,SNPと臨床概念のニュアンス関係を効果的に把握するgenERELの能力を実証するものである。
  論文  参考訳（メタデータ） (2024-10-14T04:19:52Z)
• Enhancing Biomedical Knowledge Discovery for Diseases: An Open-Source Framework Applied on Rett Syndrome and Alzheimer's Disease [28.68816381566995]
  原文から直接特定の疾患に関する知識を構築するために設計されたオープンソースのフレームワークを紹介する。 疾患関連知識発見の研究を容易にするために、Rett症候群とアルツハイマー病に焦点を当てた2つの注釈付きデータセットを作成しました。
  論文  参考訳（メタデータ） (2024-07-18T13:20:53Z)
• Progress and Opportunities of Foundation Models in Bioinformatics [77.74411726471439]
  基礎モデル(FM)は、特に深層学習の領域において、計算生物学の新しい時代に定着した。 我々の焦点は、特定の生物学的問題にFMを応用することであり、研究ニーズに適切なFMを選択するために研究コミュニティを指導することを目的としています。 データノイズ、モデル説明可能性、潜在的なバイアスなど、生物学においてFMが直面する課題と限界を分析します。
  論文  参考訳（メタデータ） (2024-02-06T02:29:17Z)
• Diversifying Knowledge Enhancement of Biomedical Language Models using Adapter Modules and Knowledge Graphs [54.223394825528665]
  我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。 バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。 計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
  論文  参考訳（メタデータ） (2023-12-21T14:26:57Z)
• Enhancing Biomedical Lay Summarisation with External Knowledge Graphs [28.956500948255677]
  そこで本研究では,知識グラフをレイ・サマリゼーション・モデルに組み込むための3つのアプローチの有効性について検討する。 この結果から,グラフベースのドメイン知識の統合は,生成したテキストの可読性を大幅に向上させることで,レイ・サマライズを著しく向上させることが可能であることが確認された。
  論文  参考訳（メタデータ） (2023-10-24T10:25:21Z)
• Improving Biomedical Abstractive Summarisation with Knowledge Aggregation from Citation Papers [24.481854035628434]
  既存の言語モデルは、バイオメディカルの専門家が生み出したものと同等の技術的要約を生成するのに苦労している。 本稿では,引用論文からドメイン固有の知識を統合する,新たな注目に基づく引用集約モデルを提案する。 我々のモデルは最先端のアプローチより優れており、抽象的なバイオメディカルテキスト要約の大幅な改善を実現している。
  論文  参考訳（メタデータ） (2023-10-24T09:56:46Z)
• BERT Based Clinical Knowledge Extraction for Biomedical Knowledge Graph Construction and Analysis [0.4893345190925178]
  本稿では,バイオメディカル臨床ノートからの知識抽出と分析のためのエンドツーエンドアプローチを提案する。 提案フレームワークは, 関連構造化情報を高精度に抽出できる。
  論文  参考訳（メタデータ） (2023-04-21T14:45:33Z)
• 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)
• 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)
• Multimodal Graph-based Transformer Framework for Biomedical Relation Extraction [21.858440542249934]
  本稿では,分子構造などの付加的なマルチモーダルキューの助けを借りて,モデルが実体(タンパク質)に関する多言語生物学的情報を学習することを可能にする新しい枠組みを提案する。 バイオメディカルコーパスを用いたタンパク質プロテイン相互作用タスクの評価を行った。
  論文  参考訳（メタデータ） (2021-07-01T16:37:17Z)
• Extracting a Knowledge Base of Mechanisms from COVID-19 Papers [50.17242035034729]
  我々はメカニズムの知識ベース(KB)の構築を追求する。 我々は、妥当性と幅のバランスをとる広範で統一されたスキーマを開発する。 実験は、新型コロナウイルスの文献に関する学際的な科学的検索を支援するためのKBの有用性を実証する。
  論文  参考訳（メタデータ） (2020-10-08T07:54:14Z)

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。