巨大な異種混合グラフの深層表現学習による薬物関係抽出

点击翻译按钮获取中文摘要

本研究では，薬物データベースを対象に，薬物に関する分野知識を包括的に表現し，その表現を利用した分野知識を活用した薬物関係抽出を目指している．本年度は，昨年度作成した異種混合グラフを包括的に表現する深層学習により得られた表現を，当初の目的であった薬物関係抽出へ適用し，その性能の向上ができることを示した．昨年度までは，表現に利用した情報が化学式や説明文の情報を含んだものになっておらず限定的であり，また，それぞれの情報を個別に追加した薬物関係抽出手法のアンサンブルモデルを構築する事で様々な情報を利用した性能向上を達成しており，分野知識を包括的に表現して，利用するという目標には至っていなかった．本年度は化学式や説明文の情報を含めた，包括的な表現を作成し，その表現を薬物関係抽出手法に利用することでモデルを複数作成せずとも様々な分野知識を活用し，性能の向上が得られることを確認し，結果として85.40%のF値を単一のモデルで達成した．さらに，個別の情報を削除する事で性能の低下も確認し，それぞれの知識がモデルの性能向上に寄与していることも明らかにした．さらに，文書から関係を抽出する際に必要な文書中で薬物を表す固有表現の抽出，文献情報の表現学習，データベースのエントリと固有表現の対応付け・リンキング，薬物に近いタンパク質や遺伝子など他のエンティティとの関係への利用など，研究を実際の文書に利用する際に必要な手法について調査・研究を行った．特に，固有表現抽出の技術を評価するために，参加したn2c2 shared taskではTrack内で参加者中1位の性能を達成することができた．