5-9 juin 2023 PARIS (France)
Exploitation de plongements de graphes pour l'extraction de relations biomédicales
Anfu Tang  1, *@  , Robert Bossy  2@  , Louise Deléger  2@  , Claire Nédellec  2@  , Pierre Zweigenbaum  3@  
1 : Mathématiques et Informatique Appliquées du Génome à l'Environnement [Jouy-En-Josas]
Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement, Laboratoire Interdisciplinaire des Sciences du Numérique (LISN)
2 : Mathématiques et Informatique Appliquées du Génome à l'Environnement [Jouy-En-Josas]
Institut National de Recherche pour l’Agriculture, l’Alimentation et l’Environnement
3 : Laboratoire Interdisciplinaire des Sciences du Numérique
Institut National de Recherche en Informatique et en Automatique, CentraleSupélec, Université Paris-Saclay, Centre National de la Recherche Scientifique
* : Auteur correspondant

L'intégration de connaissances externes dans les modèles neuronaux est très étudiée pour améliorer les performances des modèles de langue pré-entraînés, notamment en domaine biomédical. Dans cet article, nous explorons la contribution de plongements de bases de connaissances à une tâche d'extraction de relations. Pour deux mentions d'entités candidates dans un texte, nous faisons l'hypothèse que la connaissance de relations entre elles, issue d'une base de connaissances (BC) externe, aide à prédire l'existence d'une relation dans le texte, y compris lorsque les relations de BC sont différentes de celles du texte. Notre approche consiste à calculer des plongements du graphe de BC et à estimer la possibilité pour chaque paire d'entité du texte qu'elle soit reliée par une relation de BC. Les expériences menées sur trois tâches d'extraction de relations en domaine biomédical montrent que notre méthode surpasse le modèle PubMedBERT de base et donne des performances comparables aux méthodes de l'état de l'art.


Personnes connectées : 2 Vie privée
Chargement...