基于句法依存分析的图网络生物医学命名实体识别

许 力，李建华

（华东理工大学信息科学与工程学院，上海 200237）

（*通信作者电子邮箱jhli@ecust.edu.cn）

0 引言

在生物医学领域，每年都会新增大量的专利、期刊和报告等文献。这些文献中包含的实体信息可应用于药物设计和临床医疗，对于生物医学研究具有重大意义。随着自然语言处理技术的发展，生物医学命名实体识别逐渐成为研究热点。广义的命名实体识别针对文本中的特定实体，如人名、地理位置和组织名称等，而在生物医学领域，实体则特指药物名称、蛋白质名称、疾病名称和基因名称等。与通用领域的命名实体识别任务相比，生物医学命名实体识别由于命名规则多样、实体名称较长且包含关系复杂，面临着更多困难。

现有的生物医学命名实体识别方法主要分为：基于规则和词典的方法、基于传统机器学习的方法和基于深度学习的方法。基于规则和字典的方法常见于早期命名实体识别研究，主要通过设计规则模板、构建实体字典来识别实体，如Krauthammer 等［1］提出的基本局部比对检索工具（Basic Local Alignment Search Tool，BLAST），Hanisch 等［2］使用基于规则的方法识别基因和蛋白质实体等。这种方法虽然简单实用，但规则和词典的设计过程复杂耗时且容易产生错误。基于传统机器学习的方法对于特征选取的要求较高，需选取例如前后缀、大小写等人工特征来训练模型。Leaman 等［3］提出的tmChem 模型融合了多种人工特征，在化学命名实体识别取得了较好效果；Li 等［4］在条件随机场（Conditional Random Field，CRF）中融入词频和共现信息识别基因实体，进一步提升了模型表现。……