ترجمه فارسی مقاله چارچوب دانش تعمیم یافته برای موجودیت زیست پزشکی و استخراج رابطه

چکیده

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.

چکیده به فارسی (ترجمه ماشینی)

در سالهای اخیر ، تعداد فزاینده ای از چارچوب ها برای موجودیت زیست پزشکی و استخراج رابطه ایجاد شده است.این تلاش تحقیق با هدف پرداختن به رشد شتاب دهنده نشریات زیست پزشکی و ماهیت پیچیده متون زیست پزشکی ، که برای متخصصان عمدتاً دامنه نوشته شده است.برای رسیدگی به این چالش ها ، ما یک چارچوب جدید ایجاد می کنیم که از دانش خارجی برای ساختن یک نمودار دانش مستقل و قابل استفاده مجدد کار برای موجودیت زیست پزشکی و استخراج رابطه استفاده می کند.طراحی مدل ما از چگونگی یادگیری انسان مباحث خاص دامنه الهام گرفته شده است.به طور خاص ، انسان ها اغلب ابتدا اساسی ترین و مشترک ترین دانش را در مورد یک زمینه برای ساختن دانش بنیادی کسب می کنند و سپس از آن به عنوان پایه ای برای گسترش در موضوعات مختلف تخصصی استفاده می کنند.چارچوب ما از چنین مکانیسم تقسیم آگاهی مشترک برای ساختن یک نمودار کلی دانش عصبی عصبی استفاده می کند که در حال یادگیری قابل انتقال به متون مختلف زیست پزشکی خاص دامنه است.ارزیابی های تجربی نشان می دهد که مدل ما ، مجهز به این پایگاه دانش عمومی و قابل انتقال ، به معیارهای عملکرد رقابتی ، از جمله Biorelex برای اتصال تشخیص تعامل و ADE برای شناسایی اثر دارویی منفی می رسد.