文件名称：GEANet-BioMed-Event-Extraction：具有层次知识图的生物医学事件提取的代码
文件大小：152KB
文件格式：ZIP
更新时间：2024-02-19 23:03:10
natural-language-processing deep-learning event-extraction biomedical bert
带有层次知识图的生物医学事件提取 介绍 此回购托管了论文的代码。 我们在分层知识图中表示来自UMLS的知识，并通过提出的图神经网络（图边缘条件的注意力神经网络（GEANet））将知识整合到预训练的上下文表示中。 目前，只有SciBERT Baseline可用，而性能最好的型号GEANet-SciBERT即将发布。 模型 开发集F1 测试仪F1 SciBERT基准 59.33 58.50 GEANet-SciBERT 60.38 60.06 不适用 58.65 CORD-19 随着人们对COVID-19大流行病的关注日益增加，研究人员一直在投入大量精力来提供有关有用见解。 此回购还演示了我们如何使用提取生物医学事件， 是受过科学语料库训练的BERT，在上进行了微调。 我们参考了描述的管道 ，其中管道可以分为3个阶段：触发检测，边沿/参数检测和合并。 提取的事件可以在找到。 此外，我们采用了的框架 ，其中在多任务设置中训练触发和边缘检测。 依存关系 我们的实验是在CentOS机器上使用Python 3.6.10，PyTorch 1.4.0和CUDA 10.1进行的。 请按
【文件预览】：
GEANet-BioMed-Event-Extraction-master
----UMLS Entity Mapping.ipynb(4KB)
----requirements.txt(2KB)
----unmerg_write.py(26KB)
----run_multitask_bert.sh(1KB)
----run_multitask_bert.py(16KB)
----LICENSE(1KB)
----optimization.py(7KB)
----Preprocess CORD.ipynb(57KB)
----models.py(30KB)
----joint.png(88KB)
----utils.py(10KB)
----README.md(5KB)
----config.py(1KB)
----Reparse CORD.ipynb(2KB)
----eval()
--------tools()
----predict.py(15KB)