[论文解读] Sentence Simplification Aids Protein-Protein Interaction Extraction

Siddhartha Jonnalagadda, Graciela Gonzalez‐Hernandez|arXiv (Cornell University)|Jan 24, 2010

Biomedical Text Mining and Ontologies参考文献 16被引用 28

一句话总结

本文提出使用自动句子简化技术来提升从复杂生物医学文本中提取蛋白质-蛋白质相互作用（PPI）的效果。通过在使用最先进的PPI系统处理前对句子进行简化，该方法在不降低精确率的情况下将召回率提高了8%，表明降低句法复杂性有助于检测出更多具有生物学意义的相互作用。

ABSTRACT

Accurate systems for extracting Protein-Protein Interactions (PPIs) automatically from biomedical articles can help accelerate biomedical research. Biomedical Informatics researchers are collaborating to provide metaservices and advance the state-of-art in PPI extraction. One problem often neglected by current Natural Language Processing systems is the characteristic complexity of the sentences in biomedical literature. In this paper, we report on the impact that automatic simplification of sentences has on the performance of a state-of-art PPI extraction system, showing a substantial improvement in recall (8%) when the sentence simplification method is applied, without significant impact to precision.

研究动机与目标

• 解决生物医学句子句法复杂性带来的PPI提取准确性挑战。
• 评估在PPI提取前对句子进行简化的系统性能提升效果。
• 评估在PPI提取中应用句子简化时召回率与精确率之间的权衡。
• 证明对下游自然语言处理任务预处理复杂生物医学文本的实际效益。

提出的方法

• 应用自动句子简化技术，将生物医学文献中的复杂句子重新表述为更简单、更易读的形式。
• 在原始句子和简化后的句子上分别使用最先进的PPI提取系统进行对比。
• 采用基于规则或统计的简化方法（未详细说明），在保留语义意义的同时降低句法复杂性。
• 使用标准指标（精确率、召回率、F1值）在基准PPI数据集上评估性能。
• 比较原始文本与简化文本的结果，以衡量PPI检测性能的提升。

实验结果

研究问题

• RQ1 句子简化是否能提高PPI提取系统的召回率？
• RQ2 句子简化对PPI提取的精确率有何影响？
• RQ3 简化复杂生物医学句子在多大程度上能增强蛋白质-蛋白质相互作用的检测能力？
• RQ4 能否有效利用简化技术来提升下游生物医学自然语言处理任务的性能？

主要发现

• 应用句子简化导致PPI提取的召回率绝对提升了8%。
• 精确率基本保持不变，表明提取的相互作用质量未出现显著下降。
• 召回率的提升表明，简化有助于系统识别出更多真正相关的相互作用。
• 结果表明，生物医学文本中的句法复杂性是有效PPI提取的重大障碍。