Mô hình học sâu cho bài toán gán nhãn ngữ nghĩa trên văn bản y sinh
Tạp chí Phát triển Khoa học và Công nghệ – Khoa học Tự nhiên, 5(2):1032-1039
Bài nghiên cứu
Open Access Full Text Article
Mô hình học sâu cho bài toán gán nhãn ngữ nghĩa trên văn bản y
sinh
Tuấn Nguyên Hoài Đức1,*, Lê Đình Việt Huy2, Trần Tiền Lợi Long Tứ3
TÓM TẮT
Chúng tôi xây dựng một mô hình gán nhãn Cấu trúc Đối số Vị ngữ cho văn bản Y Sinh. Cấu trúc
Đối số Vị ngữ là thông tin ngữ nghĩa quan trọng của văn bản, do nó chuyển tải sự kiện chính được
Use your smartphone to scan this
QR code and download this article
nói đến trong mỗi câu. Rút trích được Cấu trúc Đối số Vị ngữ trong câu là tiền đề quan trọng để
máy tính có thể giải quyết được hàng loạt bài toán khác liên quan đến ngữ nghĩa của văn bản như
rút trích sự kiện, rút trích thực thể, hệ hỏi đáp… Cấu trúc Đối số Vị ngữ phụ thuộc vào lĩnh vực của
văn bản. Do đó, trong lĩnh vực Y Sinh, văn bản cần xác định khung Đối số Vị ngữ hoàn toàn mới so
với lĩnh vực tổng quát. Với đặc thù phải xử lý trên một khung đối số mới, việc xác định bộ đặc trưng
cho học máy là khó và đòi hỏi nhiều công sức chuyên gia. Để giải quyết thách thức này, chúng tôi
chọn huấn luyện mô hình của mình bằng phương pháp Học sâu (Deep learning) với Mạng nơ ron
bộ nhớ ngắn dài hai chiều (Bi-directional Long Short Term Memory). Học sâu là phương pháp học
máy không đòi hỏi con người phải xác định bộ đặc trưng một cách thủ công. Ngoài ra, chúng tôi
cũng tích hợp kết nối cao tốc (Highway Connection) giữa những tầng nơ ron ẩn không liên tiếp
để hạn chế mất mát đạo hàm. Bên cạnh đó, để khắc phục vấn đề ngữ liệu huấn luyện ít, chúng
tôi tích hợp Học sâu với kỹ thuật Học đa tác vụ. Học Đa tác vụ giúp cho tác vụ chính (bài toán gán
nhãn Cấu trúc Đối số Vị ngữ) được bổ trợ tri thức từ một tác vụ phụ có liên quan mật thiết là bài
toán rút trích Thực thể. Mô hình của chúng tôi đạt F1 = 72% mà không cần chuyên gia thiết kế bất
kỳ đặc trưng nào, qua đó cho thấy triển vọng của Học sâu trong bài toán này. Ngoài ra, kết quả
thực nghiệm cũng cho thấy Học đa tác vụ là kỹ thuật phù hợp để khắc phục vấn đề ngữ liệu huấn
luyện ít trong lĩnh vực Y Sinh vì nó cải thiện được độ đo F1.
Từ khoá: cấu trúc đối số vị ngữ, gán nhãn ngữ nghĩa văn bản, học sâu
1Khoa Công nghệ ông tin, Trường Đại
học Khoa học Tự nhiên, ĐHQG-HCM,
Việt Nam
2Công ty TNHH Công nghệ ZAMO LLC,
Ngữ nghĩa (Semantic Role Labeling – SRL).
GIỚI THIỆU
Việt Nam
SRL là một bài toán phụ thuộc lĩnh vực (domain de-
pendence). Khi áp dụng vào một lĩnh vực mới như
lĩnh vực Y Sinh, việc xác định bộ đặc trưng nào phù
hợp để huấn luyện máy tính hiệu quả là một thách
thức. Một hướng tiếp cận cho thách thức này là ứng
dụng học sâu (deep learning – DL) vì DL có thế mạnh
Y Sinh (Biomedicine) là ngành khoa học ứng dụng các
kỹ thuật Công nghệ Sinh học vào chăm sóc sức khỏe
con người. Ngành khoa học này ngày càng khẳng
định tiềm năng to lớn của nó trong chẩn đoán và điều
tích lũy và phát triển không ngừng, và phần lớn ở dạng
3Công ty Gameloꢀ Vietnam, Việt Nam
Liên hệ
Tuấn Nguyên Hoài Đức, Khoa Công nghệ
Thông tin, Trường Đại học Khoa học Tự
nhiên, ĐHQG-HCM, Việt Nam
văn bản. Việc khai thác hiệu quả kho tri thức này sẽ tự đúc kết được bộ đặc trưng phù hợp, giúp tránh
Email: tnhduc@fit.hcmus.edu.vn
giúp ích rất nhiều cho các hoạt động chăm sóc sức
khỏe. Tuy nhiên, với khối lượng văn bản đồ sộ vượt
trên khả năng khai thác thủ công của con người, việc
khai khoáng kho tri thức Y Sinh một cách tự động
bằng máy tính là cần thiết.
việc chuyên gia phải xây dựng thủ công bộ đặc trưng
nghiên cứu và thử nghiệm một mô hình DL cho bài
toán SRL trên văn bản Y Sinh và phân tích, đánh giá
kết quả đạt được của mô hình.
Lịch sử
• Ngày nhận: 18-7-2020
• Ngày chấp nhận: 01-04-2020
• Ngày đăng: 16-04-2020
DOI : 10.32508/stdjns.v5i2.928
Để máy tính có thể đọc hiểu văn bản nhằm rút trích
tri thức, trước tiên máy tính cần hiểu được nội dung CƠ SỞ LÝ THUYẾT VỀ CẤU TRÚC ĐỐI
của từng câu trong văn bản. Nội dung của mỗi câu
được truyền tải thông qua một động từ chính, gọi là
SỐ VỊ NGỮ
Bản quyền
Cấu trúc Đối số Vị ngữ (Predicate Argument Struc-
ture – PAS) là kết quả của phương pháp phân tích văn
bản ở mức ngữ nghĩa sâu. Trong cấu trúc này thì trung
tâm là động từ chính, gọi là vị ngữ, xoay quanh vị ngữ
là các đối số (bao gồm cả chủ ngữ của câu). Môĩ đối số
vị ngữ (predicate) và những đối số (argument) có liên
quan ngữ nghĩa đến động từ chính. Vì vậy, một trong
những bài toán quan trọng nhằm giúp máy tính đọc
hiểu văn bản một cách hiệu quả là bài toán rút trích
Cấu trúc Đối số Vị ngữ (Predicate Argument Struc-
© ĐHQG Tp.HCM. Đây là bài báo công bố
mở được phát hành theo các điều khoản của
the Creative Commons Attribution 4.0
International license.
ture – PAS), hay còn được gọi là bài toán Gán nhãn đều có một vai trò ngữ nghĩa cụ thể (semantic role).
Trích dẫn bài báo này: Đức T N H, Huy L D V, Tứ T T L L. Mô hình học sâu cho bài toán gán nhãn ngữ
nghĩa trên văn bản y sinh. Sci. Tech. Dev. J. - Nat. Sci.; 5(2):1032-1039.
1032
Tạp chí Phát triển Khoa học và Công nghệ – Khoa học Tự nhiên, 5(2):1032-1039
í dụ: Xét câu “Tôi thuê căn phòng của bạn một
tháng”, câu này có PAS gồm vị ngữ là “thuê” và bốn
đối số xoay quanh vị ngữ là:
Sinh. Vì vậy, GREC khắc phục được hạn chế
của BioProp, và cũng khắc phục được hạn chế
về kích thước ngữ liệu của PasBIO.
Đối số 0: “Tôi” (vai trò ngữ nghĩa: Người thuê).
Đối số 1: “Phòng” (vai trò ngữ nghĩa: Vật được thuê).
Đối số 2: “Bạn” (vai trò ngữ nghĩa: Người cho thuê).
Đối số 3: “Một tháng” (vai trò ngữ nghĩa: ời hạn
thuê).
NHỮNG NGHIÊN CỨU VỀ SRL
Gán nhãn ngữ nghĩa (Semantic Role Labeling - SRL)
là bài toán tự động nhận diện vị ngữ cùng các đối số
của nó trong văn bản và gắn nhãn vai trò ngữ nghĩa
(gọi tắt là nhãn ngữ nghĩa) cho từng đối số. Vì vậy,
SRL còn được gọi là bài toán rút trích PAS. Các nghiên
cứu về SRL chia ra 3 hướng tiếp cận: Hướng dựa trên
luật, hướng khớp mẫu và hướng học máy trong đó có
học sâu.
Có nhiều bộ ngữ liệu PAS được xây dựng cho lĩnh vực
.
Trong đó, PropBank định nghĩa bộ đối số chi tiết nhất
cho từng vị ngữ.
PAS trong lĩnh vực Y Sinh có nhiều khác biệt so với
PAS trong lĩnh vực tổng quát, bao gồm khác biệt về ý
nghĩa của vị ngữ, cũng như là khác biệt về thành phần
đối số. í dụ: Xét vị ngữ “mutate”. Trong Y Sinh,
“mutate” có nghĩa là “đột biến” với 4 đối số là: (1) Vị
trí exon hoặc nitron xảy ra đột biến, (2) Gene bị đột
biến, (3) Hậu quả về kiểu gene, (4) Hậu quả về kiểu
hình. Trong khi đó, ở lĩnh vực tổng quát thì “mutate”
có nghĩa là “thay đổi” với chỉ 2 đối số là: (1) Tác nhân
gây thay đổi, (2) đối tượng bị thay đổi.
Nhận thấy những khác biệt đó, nhiều công trình đã
xây dựng những bộ ngữ liệu PAS riêng cho lĩnh vực
Y Sinh. Mỗi công trình đều chọn ra những vị ngữ có
ý nghĩa quan trọng trong văn bản Y Sinh, là những
động từ thường truyền tải các sự kiện Y Sinh quan
trọng (như đột biến, mã hóa, giải mã, biểu hiện…),
để định nghĩa khung đối số cụ thể cho từng vị ngữ
ấy. Các công trình xây dựng những bộ ngữ liệu PAS
Y Sinh được biết đến nhiều nhất bao gồm BioProp,
PasBIO và GREC.
Hướng dựa trên luật
Hướng dựa trên luật là hướng tiếp cận sớm nhất, sử
dụng bộ luật viết thủ công bởi chuyên gia để nhận biết
vị ngữ, đối số trong văn bản thô và quyết định nhãn
ngữ nghĩa cho đối số. Những công trình tiêu biểu
trong hướng này có thể kể đến như: uyết Ngữ pháp
Cấu trúc Dâñ xuất Đầu tố ngữ (Head-Driven Phrase
Penn Treebank trong việc dựng luật và khắc phục các
trường hợp đối số rỗng, như câu khuyết túc từ hoặc
2004 và CoNLL 2005 với một tập luật heuristic để xử
theo hướng học máy nhưng vẫn dùng luật heuristic
.
Trong lĩnh vực Y Sinh, nhiều công cụ SRL được xây
dựng cũng vận dụng bộ luật heuristic dựa trên cây cú
hạn chế của hướng dựa trên luật là cần có chuyên gia
xây dựng thủ công bộ luật. Chỉ cần chuyển sang một
lĩnh vực khác hoặc một ngôn ngữ khác thì lại phải xây
dựng lại từ đầu một bộ luật mới. Hơn nữa, bộ luật
mà chuyên gia xây dựng cũng không thể nào phủ hết
mọi cấu trúc ngữ pháp có thể xuất hiện trong văn bản.
Do đó, hướng này tuy cho độ chính xác cao nhưng độ
• BioProp là bộ ngữ liệu bao gồm 1635 câu trích
dẫn từ phần tóm tắt (abstract) của 500 bài báo Y
toàn bộ đối số từ PropBank, một bộ ngữ liệu của
lĩnh vực tổng quát. Do đó, các bộ đối số của
BioProp chưa thực sự được chuyên biệt hóa vào
lĩnh vực Y Sinh.
• PasBio khắc phục hạn chế của BioProp bằng bao phủ lại không cao. Tuy nhiên, ưu điểm của hướng
cách định nghĩa lại toàn bộ các khung đối số cho dựa trên luật là nó phù hợp với những ngôn ngữ hoặc
của công trình này là chưa đầu tư gắn nhãn lại ngữ liệu không đủ để huấn luyện máy tính theo hướng
các đối số ấy vào bộ ngữ liệu. Kết quả là bộ ngữ học máy (như các công trình SRL cho tiếng Hà Lan và
nghĩa của PasBIO chỉ vỏn vẹn hơn 200 câu. Kích
thước này là quá nhỏ để dùng trong học máy.
Hướng khớp mẫu
• GREC là bộ ngữ liệu bao gồm 1489 câu trích dẫn Hướng khớp mẫu sử dụng các mẫu được định nghĩa
từ phần tóm tắt của 677 bài báo Y Sinh8. Trong sẵn để so khớp vào văn bản, từ đó rút trích được vị ngữ
GREC, vị ngữ không chỉ bao gồm động từ chính và các đối số kèm theo vai trò ngữ nghĩa của chúng.
mà còn bao gồm cà các danh động, với bộ đối Trong lĩnh vực tổng quát, ở hầu hết các công trình, bộ
1033
Tạp chí Phát triển Khoa học và Công nghệ – Khoa học Tự nhiên, 5(2):1032-1039
chế của việc khai khoáng bộ mẫu từ ngữ liệu là khó Vì vậy, công trình của chúng tôi chọn thử nghiệm mô
kiểm soát các mẫu thu được do độ nhiễu cao. Vì thế, hình học sâu (deep learning) vào bài toán SRL cho văn
hướng này vẫn không tránh khỏi phải có sự can thiệp
thủ công để rà soát lại bộ mẫu. Trong lĩnh vực Y Sinh,
do hạn chế vì kích thước ngữ liệu nên các công trình
bản Y Sinh vì thế mạnh của học sâu là không cần xác
định thủ công bộ đặc trưng.
PHƯƠNG PHÁP THỰC HIỆN
.
Cũng như hướng dựa trên luật, hướng khớp mẫu chỉ
phù hợp với những lĩnh vực hoặc những ngôn ngữ
hạn chế về kích thước ngữ liệu. Khi kích thước ngữ
liệu đủ lớn, hướng học máy vẫn là giải pháp được lựa
chọn hàng đầu.
Mô hình mạng nơ ron mà chúng tôi lựa chọn là Mạng
nơ ron bộ nhớ ngắn dài hai chiều (Bi-directional Long
Short Term Memory – gọi tắt là Bi-LSTM).
Mạng nơ ron hồi quy truyền thống không giải quyết
được vấn đề phụ thuộc xa, một vấn đề quan trọng
ron bộ nhớ ngắn dài (LSTM) là lựa chọn hợp lý vì nó
khắc phục được hạn chế này của mạng hồi quy truyền
người với các cổng thông tin vào ra. ông qua các
cổng này, tế bào sẽ quyết định thông tin nào được ghi
nhớ để phục vụ xử lý.
Hướng học máy
Hướng học máy là hướng tiếp cận mới hơn hai hướng
kể trên (trong đó, học sâu là kỹ thuật mới nhất).
Hướng học máy huấn luyện máy tính thông qua một
quá trình học, có thể là học có giám sát, bán giám sát
hoặc không giám sát, để sau đó máy tính có thể tự nó
thực hiện SRL.
Tuy nhiên, các tế bào của LSTM chỉ liên kết theo một
chiều, một thông tin chỉ được xử lý dựa trên dữ kiện
từ các thông tin trước nó. Trong khi đó, mỗi một từ
trong văn bản có liên hệ ngữ nghĩa mật thiết với không
chỉ những từ trước nó mà cả những từ sau nó. Một
cải tiến của mạng LSTM là mạng LSTM hai chiều (Bi-
LSTM) đã khắc phục vấn đề này, cho phép xử lý thông
Học máy có giám sát sử dụng bộ ngữ liệu có kích
thước đủ lớn đã gán nhãn ngữ nghĩa sẵn đế huấn
luyện máy tính (như Penn TreeBank; PropBank;
công trình SRL hoàn chỉnh đầu tiên, được huấn luyện
.
Bi-LSTM đã được chọn sử dụng trong các nghiên cứu
.
ách thức của học máy có giám sát là việc xây dựng
bộ ngữ liệu gán nhãn sẵn rất công phu, đòi hỏi thời
gian và chi phí. Từ đó, nhiều công trình đã đề xuất các
.
.
Bên cạnh đó, chúng tôi vận dụng Kết nối Cao tốc
(Highway Connection – HC), một cải tiến cho mạng
những kết nối thông tầng giữa hai tầng tế bào không
liên tiếp, tạo nên sự liên kết không những là 2 chiều
mà còn là xuyên tầng giữa các tế bào trong mạng nơ
ron, giúp hoạt động học của mạng nơ ron linh hoạt
và thông minh hơn. Hệ thống SRL cho văn bản trong
lĩnh vực tổng quát được huấn luyện bằng mạng Bi-
LSTM có HC đã cho kết quả cao nhất (state-of-the-
HC cũng hứa hẹn triển vọng cho SRL trên văn bản Y
Sinh.
Kết hợp tất cả những đề xuất nêu trên, mô hình của
chúng tôi vẫn còn một thách thức phải quan tâm: kích
thước ngữ liệu huấn luyện trong Y sinh rất hạn chế so
với lĩnh vực tổng quát (Bộ ngữ liệu GREC gồm 1489
câu). Vì vậy, chúng tôi tích hợp kỹ thuật học đa tác
vụ vào mô hình của mình. Học đa tác vụ (Multi-Task
Learning) là thuật toán học máy, cho phép huấn luyện
các tác vụ có liên quan với nhau trên cùng một mô
hình và dữ liệu để bổ trợ nhau. Việc tận dụng kiến
thức của những tác vụ liên quan sẽ giúp cải thiện đáng
kể hiệu quả của tác vụ chính. Học đa tác vụ được đề
xuất cho bài toán SRL khi xử lý trên văn bản tiếng
Trong đó, các cấu trúc PAS được rút trích bằng việc lặp
đi lặp lại quá trình tuyển chọn ứng viên trên dữ liệu
thô, bắt đầu từ một ít PAS làm ứng viên hạt giống. Các
mô hình này không đòi hỏi nhiều ngữ liệu gán nhãn
sẵn nên thuận lợi khi chuyển sang ngôn ngữ hoặc lĩnh
vực mới, nhưng do tính phân kỳ của các cấu trúc ứng
viên nên độ chính xác thấp hơn học máy có giám sát.
Đối với học máy, bộ đặc trưng đóng vai trò quan
trọng. Hầu hết công trình đều tập trung vào việc tinh
chỉnh, bổ sung đặc trưng để cải thiện kết quả của công
trình trước đó. Việc chọn đặc trưng gì cho từng lĩnh
vực hoặc từng ngôn ngữ cụ thể là do chuyên gia quyết
định. Đây là một thách thức đối với lĩnh vực Y Sinh
vì các lý do sau:
• Bài toán SRL là phụ thuộc lĩnh vực nên các bộ
đặc trưng đã được nghiên cứu trong lĩnh vực
tổng quát không thể áp dụng rập khuôn cho lĩnh
vực Y Sinh.
• Khó mà quyết định đặc trưng gì là hiệu quả do:
(i) Một đối số Y Sinh có nhiều biến thể, (ii) PAS
trong Y Sinh xuất hiện trong nhiều cấu trúc ngữ
pháp phong phú phức tạp; (iii) Vai trò ngữ nghĩa
trong Y Sinh có độ nhập nhằng cao (cùng một
danh từ có thể giữ nhiều vai trò ngữ nghĩa).
1034
Tạp chí Phát triển Khoa học và Công nghệ – Khoa học Tự nhiên, 5(2):1032-1039
Indonesia trong lĩnh vực tổng quát với dữ liệu huấn
dụng vào văn bản Y Sinh, chúng tôi nhận thấy bài toán
SRL có liên quan mật thiết với bài toán Rút trích ực
thể (Named Entity Recognition – NER), vì loại thực
thể của đối số quyết định vai trò ngữ nghĩa của đối số
(Ví dụ loại thực thể DNA chỉ có thể giữ vai trò “tác
nhân” của vị ngữ “encode” chứ không thể giữ vai trò
“sản phẩm”). Vì vậy, chúng tôi chọn bài toán NER là
tác vụ phụ trong mô hình học đa tác vụ của mình để
bổ trợ cho tác vụ chính là SRL.
Ngoài ra, DL kết hợp với học máy truyền thống sẽ
trong mô hình của chúng tôi, tầng đầu ra của mạng
nơ ron được phân loại một lần nữa bởi mô hình học
quả thực nghiệm của mô hình sẽ được phân tích trong
mục Kết quả thực nghiệm.
• Ở cả mô hình học đơn tác vụ và đa tác vụ đều
cho thấy ở tầng đầu ra của tác vụ SRL, CRF là
phù hợp hơn so với Soꢀmax.
KẾT LUẬN
Chúng tôi đã xây đựng được mô hình học sâu cho bài
toán SRL trên văn bản Y Sinh với một dữ liệu huấn
luyện có kích thước hạn chế. Mô hình của chúng tôi
trong lĩnh vực Y Sinh đạt F1 = 72% với chỉ 1389 câu
trong dữ liệu huấn luyện. Kết quả này không cách quá
xa so với kết quả cao nhất trong lĩnh vực tổng quát đạt
F1 = 77% trong công trình tiên phong đề xuất học đa
tác vụ cho bài toán SRL với dữ liệu huấn luyện hơn
thấy mô hình học đa tác vụ cũng phù hợp với SRL
trong lĩnh vực Y Sinh, một lĩnh vực còn hạn chế về
kích thước ngữ liệu gán nhãn sẵn.
Hướng phát triển của chúng tôi là thử nghiệm kết hợp
tri thức ngữ pháp với mức biểu diễn từ và ký tự để
làm giàu đặc trưng cho mô hình. Đồng thời, chúng
tôi sẽ kết hợp kỹ thuật học chủ động (Active learn-
ing) với học đa tác vụ để nâng cao hiệu quả của mô
hình. Ngoài ra, chúng tôi sẽ nghiên cứu ứng dụng
transfer learning từ một mô hình pre-trained để hỗ
trợ mô hình học sâu khi tập dữ liệu huấn luyện có
kích thước hạn chế.
KẾT QUẢ THỬ NGHIỆM VÀ THẢO
LUẬN
Bộ ngữ liệu được sử dụng để huấn luyện và đánh giá
là GREC, được xây dựng bởi trung tâm Text Mining
(NaCTeM), Khoa Khoa học Máy tính, Trường Đại học
ngữ của câu không chỉ có động từ mà còn bao gồm
cả danh động nên độ phủ cao, với 4770 vị ngữ. Đồng
thời GREC còn gán nhãn thực thể nên rất thuận lợi
cho học đa tác vụ. Về phương pháp đánh giá, chúng
tôi dùng phương pháp đánh giá chéo 10 pha (10-fold
cross validation)
Chúng tôi thử nghiệm và so sánh kết quả của mô hình
với ba mức biểu diễn là chỉ có mức từ (word embed-
ding), chỉ có mức ký tự (character embedding) và mức
từ kết hợp với mức ký tự với những số chiều vector
khác nhau. Chúng tôi cũng so sánh hiệu quả của Soꢀ-
max và CRF ở tầng đầu ra, cũng như so sánh hiệu quả
LỜI CẢM ƠN
Nghiên cứu được tài trợ bởi Trường Đại học Khoa học
Tự nhiên, ĐHQG-HCM trong khuôn khổ Đề tài mã
số CNTT 2020-13
DANH MỤC TỪ VIẾT TẮT
PAS: Cấu trúc Đối số Vị ngữ (Predicate Argument
Structure)
SRL: Gán nhãn Ngữ nghĩa (Semantic Role Labelling)
NER: Gán nhãn thực thể (Named Entity Recognition)
DL : Ứng dụng học sâu (Deep Learning)
Từ kết quả thử nghiệm cho thấy:
XUNG ĐỘT LỢI ÍCH TÁC GIẢ
• F1 cao nhất của mô hình có học đa tác vụ cao
hơn F1 cao nhất của mô hình học đơn tác vụ
5.14%, đây là một khoảng cách đáng kể. Điều
này củng cố giả thiết của chúng tôi về hiệu quả
tích cực của học đa tác vụ cũng như việc lựa
chọn tác vụ phụ là NER đối với SRL cho văn bản
Y Sinh.
Các tác giả tuyên bố rằng họ không có xung đột lợi
ích.
ĐÓNG GÓP CỦA CÁC TÁC GIẢ
Tuấn Nguyên Hoài Đức chủ trì đề tài, tiến hành khảo
sát hiện trạng, thu thập dữ liệu, phân tích đánh giá
giải pháp và viết bài.
• Ở cả mô hình học đơn tác vụ và đa tác vụ đều
cho thấy việc tăng số chiều vector không nâng
cao F1 đáng kể bằng việc chia mịn mức biểu
diễn, từ mức từ thành mức ký tự.
Lê Đình Việt Huy và Trần Tiền Lợi Long Tứ tham gia
khảo sát hiện trạng, đề xuất giải pháp và lập trình thử
nghiệm.
1035
Tạp chí Phát triển Khoa học và Công nghệ – Khoa học Tự nhiên, 5(2):1032-1039
Hình 1: Kiến trúc của mô hình được đề xuất
Bảng 1: Kết quả thực nghiệm với mô hình đơn tác vụ
STT
Số chiều vector
Mức biểu diễn
Word
Lớp đầu ra
Soꢀmax
CRF
P
R
F1
1
2
3
4
5
6
100
100
100
300
100
300
64,12
67,95
67,81
68,62
72,21
73,36
58,01
56,13
63,3
60,91
61,48
65,48
65,98
69,15
69,99
Word
Char
CRF
Char
CRF
63,55
66,34
66,93
Word+Char
Word+Char
CRF
CRF
1036
Tạp chí Phát triển Khoa học và Công nghệ – Khoa học Tự nhiên, 5(2):1032-1039
Bảng 2: Kết quả thực nghiệm với mô hình đa tác vụ.
STT Số chiều vector
Mức biểu Lớp đầu ra cho SRL Lớp đầu ra cho Kết quả SRL
diễn
NER
R
F1
1
2
3
4
5
6
7
100
100
100
100
300
100
300
Word
Word
Word
Char
Char
Soꢀmax
CRF
CRF
68,93
69,27
70,04
73,29
74,57
78,03
78,86
64,31
64,97
67,74
67,97
67,90
70,97
71,74
66,54
67,05
68,87
70,53
72,08
74,33
75,13
CRF
CRF
Soꢀmax
Soꢀmax
Soꢀmax
Soꢀmax
Soꢀmax
CRF
CRF
Word+Char CRF
Word+Char CRF
17. Grenager T, et al. Manning, Unsupervised Discovery of a Sta-
tistical Verb Lexicon. EMNLP. 2007;06:1–8. Available from:
TÀI LIỆU THAM KHẢO
1. Enderle JD, et al. Introduction to Biomedical Engineering, Aca-
demic Press. 2012;p. 16–21.
18. Wattarujeekrit T. Exploring Predicate-Argument Relations for
Named Entity Recognition in the Molecular Biology Domain,
International Conference on Discovery Science. 2005;8:267–
19. Stevens G. XARA: An XML- and rule-based semantic role
labeler, The Linguistic Annotation Workshop, Annual Meet-
ing of the Association for Computational Linguistics. 2007;45.
2. Schmidhuber J.
An Overview, Neural Networks. 2015;61:85–117.
Deep Learning in Neural Networks:
PMID:
3. Johnson CR, et al. The FrameNet project: Tools for lexi-
con building, International Conference on Computational Lin-
guistics. 1998;17:86–90.
4. Kipper K, et al. Class-based construction of a verb lexicon,
AAAI-2000. 2000;(2000):691–696.
5. Kingsbury P, Palmer M. From Treebank to PropBank, Inter-
national Conference on Language Resources and Evaluation.
2002;12:38–43.
6. Chou WC, et al. A semi-automatic method for annotating a
biomedical proposition bank, The workshop on frontiers in
linguistically annotated corpora. 2006;p. 5–12.
7. Wattarujeekrit T, et al. PASBio: predicate-argument structures
for event extraction in molecular biology, BMC Bioinformatics.
8. Thompson P, Cotter P, McNaught J, et al. Building a Bio-Event
Annotated Corpus for the Acquisition of Semantic Frames
from Biomedical Corpora. LREC. 2008;.
9. Pollard C, Sag IA. Head-Driven Phrase Structure Grammar. IL:
Univ. of Chicago Press. 1994;.
10. Liakata M, et al. From Trees To Predicate-Argument Struc-
tures, International Conference on Computational Linguis-
tics. 2002;20:563–569. Available from: https://doi.org/10.3115/
11. Marcus M, et al. The Penn Treebank: Annotating Predicate Ar-
gument Structure, The Human Language Technology Work-
shop. Plainsboro, NJ, 114119. 1994;Available from: https://doi.
12. Carreras X, Màrquez L. Introduction To the CoNLL-2005 shared
task: Semantic role labeling, CoNLL. 2005;p. 152–164. Avail-
13. Carreras X, Màrquez L. Introduction to the CoNLL-2004 shared
task: Semantic role labeling, HLT-NAACL 2004 Workshop 8th
Conf. Comput. Natural Lang. Learn. 2004;p. 89–97.
14. Park KM, et al. Two-phase semantic role labeling based on
support vector machines, CoNLL. 2004;.
20. Iida R, et al.
Annotating a Japanese Text Corpus with
Predicate-Argument and Coreference Relations, the Linguis-
tic Annotation Workshop. 2007;p. 132–139. Available from:
21. Riloff E. Automatically Generating Extraction Patterns from
Untagged Text, National Conference on Artificial Intelligence.
1996;19:1044–1049.
22. Riloff E. An empirical approach to conceptual case frame ac-
quisition, TheWorkshoponVeryLargeCorpora. 1998;6:49–56.
23. Riloff E. Automatically constructing a dictionary for informa-
tion extraction tasks, National Conference on Artificial Intelli-
gence (AAAI). 1993;1:811–816.
24. Huang M. Discovering patterns to extract protein-protein in-
teractions from full texts. Bioinformatics. 2004;p. 3604–3612.
25. Blaheta D, Charniak E. Assigning function tags to parsed text,
the Annual Meeting of the North American Chapter of the
ACL. 2000;1:234–240.
26. Gildea D, Jurafsky D. Automatic labeling of semantic roles,
Computational Linguistics. 2002;p. 245–288. Available from:
27. Gildea D, Palmer M. The necessity of parsing for predicate ar-
gument recognition, Meeting of the Association for Compu-
28. Surdeanu M, Harabagiu S, et al. Using Predicate-Argument
Structure for Information Extraction, Annual Conference on
the Association for Computational Linguistics. 2013;41:46–51.
29. Kingsbury P, Palmer M, Marcus M. Adding Semantic Annota-
tion to the Penn TreeBank, The Human Language Technology
Conference. 2002;p. 252–256.
30. Tsai RTH, et al. BIOSMILE: Adapting Semantic Role Labeling for
Biomedical Verbs: An Exponential Model Coupled with Auto-
matically Generated Template Features, BioNLP Conference.
2006;.
15. Surdeanu M, et al. Semantic role labeling using complete syn-
16. Chi-San (Althon) Lin, Tony C. Smith, Semantic role labeling via
consensus in pattern-matching, CONLL. 2005;5:185–188.
31. Swier RS, Stevenson S. Exploiting a Verb Lexicon in Automatic
Semantic Role Labelling, EMNLP. 2005;05:883–890.
1037
Tạp chí Phát triển Khoa học và Công nghệ – Khoa học Tự nhiên, 5(2):1032-1039
32. Swier RS, Stevenson S. Unsupervised Semantic Role Labeling,
EMNLP. 2004;04:95–102.
33. Bengio Y, Simard P. Problem of learning long-term Dependen-
cies in Recurrent Network, IEEE Transactions on Neural Net-
34. Hochreiter S. Long-Short Term Memory, Neural Computation
37. Zhou J, Xu W. End-to-end Learning of Semantic Role La-
beling Using Recurrent Neural Networks, Annual Meeting
of the Association for Computational Linguistics 53 - Inter-
national Joint Conference on Natural Language Processing.
2015;7:1127–1137. Available from: https://doi.org/10.3115/v1/
38. He L, et al. Deep Semantic Role Labeling: What Works and
What’s Next, Annual Meeting of the Association for Compu-
35. Graves A, rahman Mohamed A, Hinton G. Speech Recog-
nition with Deep Recurrent Neural networks, 1988. ICASSP.
2013;88:90–95.
36. Ikhwantri F, et al.
39. Bethard YV. A survey on recent advances in named entity
recognition from deep learning models, International Confer-
ence on Computational Linguistics. 2018;27:2145 –2158.
Multi-Task Active Learning for Neu-
ral Semantic Role Labeling on Low Resource Conversational
Corpus, Workshop on Deep Learning Approaches for Low-
1038
Tạp chí Phát triển Khoa học và Công nghệ – Natural Sciences, 5(2):1032-1039
Research article
Open Access Full Text Article
A deep-learning model for semantic role labelling in medical
documents
Tuan Nguyen Hoai Duc1,*, Le Dinh Viet Huy2, Tran Tien Loi Long Tu3
TÓM TẮT
Webuiltamodellabelling thePredicateArgumentStructure(PAS)forbiomedicaldocuments. PASis
an important semantic information of any document, because it reveals the main event mentioned
Use your smartphone to scan this
QR code and download this article
in each sentence. Extracting PAS in a sentence is an important premise for the computer to solve
a series of other problems related to the semantics in text such as event extraction, named entity
extraction, question answering system… The predicate argument structure is domain dependent.
Therefore, in Biomedical field, it is required to define a completely new Predicate Argument frame
compared to the general field. For a machine learning model to work well with a new argument
frame, identifying a new feature set is required. This is difficult, manual and requires a lot of expert
labor. To address this challenge, we chose to train our model with Deep Learning method utilizing
Bi-directional Long Short Term Memory. Deep learning is a machine learning method that does
not require defining the feature sets manually. In addition, we also integrate Highway Connection
between hidden neuron layers to minimize derivative loss. Besides, to overcome the problem of
small training corpus, we integrate Deep Learning with Multi-task Learning technique. Multi-task
Learning helps the main task (PAS tagging) to be complemented with knowledge learnt from a
closely related task, the NER. Our model achieved F1 = 75.13% without any manually designed
feature, thereby showing the prospect of Deep Learning in this domain. In addition, the experiment
results also show that Multi-task Learning is an appropriate technique to overcome the problem of
little training data in biomedical fields, by improving the F1 score.
Từ khoá: predicate argument structure, semantic role labelling, deep learning
1Faculty of Information Technology,
University of Sciences, VNU-HCM,
Vietnam.
2ZAMO LLC Technology Ltd. Company,
Vietnam.
3Gameloꢀ Vietnam Company, Vietnam.
Liên hệ
Tuan Nguyen Hoai Duc, Faculty of
Information Technology, University of
Sciences, VNU-HCM, Vietnam.
Email: tnhduc@fit.hcmus.edu.vn
Lịch sử
• Ngày nhận: 18-7-2020
• Ngày chấp nhận: 01-4-2021
• Ngày đăng: 16-4-2021
DOI : 10.32508/stdjns.v5i2.928
Bản quyền
© ĐHQG Tp.HCM. Đây là bài báo công bố
mở được phát hành theo các điều khoản của
the Creative Commons Attribution 4.0
International license.
Trích dẫn bài báo này: Duc T N H, Huy L D V, Tu T T L L. A deep-learning model for semantic role
labelling in medical documents. Sci. Tech. Dev. J. - Nat. Sci.; 5(2):1032-1039.
1039
Bạn đang xem tài liệu "Mô hình học sâu cho bài toán gán nhãn ngữ nghĩa trên văn bản y sinh", để tải tài liệu gốc về máy hãy click vào nút Download ở trên
File đính kèm:
- mo_hinh_hoc_sau_cho_bai_toan_gan_nhan_ngu_nghia_tren_van_ban.pdf