초록
생물의학적 이벤트 추출은 과학 문헌 코퍼스에 기술된 생분자 상호작용을 이해하는 데 핵심적인 역할을 한다. 주요 과제 중 하나는 비표시적 트리거 단어와 관련된 중첩 구조를 가진 이벤트를 식별하는 것이다. 본 연구에서는 사전 학습된 언어 모델에 유니파이드 메디컬 언어 시스템(UMLS)의 도메인 지식을 그래프 엣지 조건부 어텐션 네트워크(GEANet)와 계층적 그래프 표현을 통해 통합하는 방안을 제안한다. 트리거 단어를 보다 정확히 인식하기 위해, 각 문장은 UMLS로부터 공동으로 모델링된 계층적 지식 그래프를 기반으로 문장 그래프로 기반화된다. 이후 기반화된 그래프는 복잡한 이벤트를 추론하는 능력이 향상된 GEANet, 즉 새로운 그래프 신경망을 통해 전파된다. BioNLP 2011 GENIA 이벤트 추출 과제에서 제안하는 방법은 전반적인 이벤트에 대해 F1 점수 1.41% 향상, 복잡한 이벤트에 대해 3.19% 향상된 성과를 달성하였다. 제거 실험(ablation study) 결과는 GEANet 및 계층적 지식 그래프의 중요성을 입증한다.