摘要
本发明公开了一种递归神经网络进行生物医学事件抽取方法及系统,通过构建包含输入层、词嵌入层、语义更新层和输出层的框架来实现。输入层将生物医学文本输入后,词嵌入层利用SciBERT语言模型进行词向量化处理。语义更新层采用基于异构融合的递归神经网络,利用多种解析器和解析格式生成依赖结构树,并通过同构交互递归神经网络进行语义表示更新,其中同构交互路径包括四种不同的信息传递方式,以优化节点信息聚合。输出层通过softmax函数识别事件触发词。该方法通过特征融合技术提高模型的预测精度和稳定性,有效避免单一数据源的局限性,适用于生物医学领域事件抽取任务,为后续的生物医学文本分析提供重要支持。
技术关键词
递归神经网络
节点
事件触发词
Softmax函数
解析器
文本
语义
生物医学事件
拼接方法
数据获取模块
特征融合技术
信息传递方式
代表
上下文特征
抽取系统
注意力机制
格式
系统为您推荐了相关专利信息
元数据获取方法
HTTP请求
高性能
解析报文
协议
Kano模型
地理空间信息
视角
社会网络分析
居民