[论文解读] Extracting Biomolecular Interactions Using Semantic Parsing of Biomedical Text

Sahil Garg, Aram Galstyan+2 more|arXiv (Cornell University)|Dec 4, 2015

Biomedical Text Mining and Ontologies参考文献 34被引用 23

一句话总结

本文提出了一种基于图核的新方法，利用抽象意义表示（AMR）和依存解析（SDG）从生物医学文本中提取生物分子相互作用，通过联合建模语义和句法特征实现更高的准确率和鲁棒性——尤其在分布偏移情况下表现更优。该方法通过图分布核（GDK）实现文档级推理，并采用线性代数边缘嵌入框架对齐AMR与SDG表示，从而提升核学习效果。

ABSTRACT

We advance the state of the art in biomolecular interaction extraction with three contributions: (i) We show that deep, Abstract Meaning Representations (AMR) significantly improve the accuracy of a biomolecular interaction extraction system when compared to a baseline that relies solely on surface- and syntax-based features; (ii) In contrast with previous approaches that infer relations on a sentence-by-sentence basis, we expand our framework to enable consistent predictions over sets of sentences (documents); (iii) We further modify and expand a graph kernel learning framework to enable concurrent exploitation of automatically induced AMR (semantic) and dependency structure (syntactic) representations. Our experiments show that our approach yields interaction extraction systems that are more robust in environments where there is a significant mismatch between training and test conditions.

研究动机与目标

• 解决现有生物分子相互作用抽取系统依赖浅层句法特征和单句处理方式的局限性。
• 提升在低资源或训练-测试数据分布不匹配场景下的泛化能力，此类场景在生物医学文本挖掘中普遍存在。
• 通过将图核方法扩展至跨多句的一致性建模，实现文档级相互作用抽取。
• 开发一种混合框架，联合利用语义（AMR）和句法（SDG）解析，以提升抽取准确率。
• 提出一种新颖的边标签嵌入方法，用于计算AMR与SDG表示之间的相似性，以增强核学习效果。

提出的方法

• 使用抽象意义表示（AMR）捕捉深层语义结构，将句法多样的表达映射为统一的语义概念。
• 应用图分布核（GDK）在多句之间进行联合的文档级推理，提升一致性与鲁棒性。
• 提出一种线性代数公式，用于学习AMR与SDG中边标签的向量空间嵌入，以定义跨模态相似性。
• 通过混合核学习框架结合AMR与SDG表示，充分利用语义与句法信息。
• 使用最大均值差异（MMD）量化并缓解训练数据与测试数据之间的分布偏移，提升模型鲁棒性。
• 在包含45篇以上癌症相关文章（约3,000句话）的语料库上进行系统训练与评估，其中包含约20,000个标注的相互作用。

实验结果

研究问题

• RQ1 与基于表面特征和句法的基线模型相比，通过AMR实现深层语义解析是否能显著提升生物分子相互作用抽取的准确率？
• RQ2 使用图分布核（GDK）进行文档级建模是否能带来比单句推理更一致且更鲁棒的相互作用预测结果？
• RQ3 联合建模AMR与依存图（SDG）表示是否能优于单独使用任一模态的性能？
• RQ4 所提出的边标签嵌入方法在对齐语义与句法解析表示以支持基于核的学习方面效果如何？
• RQ5 在训练与测试数据间存在显著分布偏移的情况下，该混合AMR-SDG方法的泛化能力如何？

主要发现

• 基于AMR的系统显著优于仅依赖表面特征与句法特征的基线模型，证明了深层语义解析的价值。
• 基于GDK的文档级框架在分布偏移下表现出更强鲁棒性，尤其当MMD > 0.01时，表明泛化能力更优。
• 联合AMR-SDG模型取得最高F1分数，其中MMD驱动的GDK表现最佳，优于单独的AMR与SDG模型。
• 基于AMR的模型比基于SDG的模型具有更高的召回率，表明其在复杂或模糊表达中对相互作用类型的覆盖更全面。
• KL散度指标倾向于提高精确率但降低召回率，而MMD则提供了更优平衡，尤其在低数据或分布不匹配场景下。
• 所提出的边嵌入方法能够有效计算AMR与SDG边标签之间的相似性，是该混合核框架的关键促成因素。