从生物医学文献中提取化学蛋白质关系的层次递归卷积神经网络

提取化学物质和蛋白质之间的化学蛋白质关系在各种生物医学任务(例如药物发现,精密医学以及临床研究)中起着关键作用。 用于化学-蛋白质相互作用(CHEMPROT)任务的最流行的方法是基于神经网络,以避免从语言分析中得出复杂的手工特征。 但是,由于句子冗长和复杂,它们的性能通常受到限制。 因此,我们提出了一种新颖的基于层次递归卷积神经网络(Hierarchical RCNN)的方法,可以从短上下文子序列中高效地学习潜在特征。 在CHEMPROT语料库上的实验结果表明,我们的方法获得了65.56%的F评分,并且胜过了最新的系统。