吴，叶;罗瑞邦;Henry C.M.梁。;挺、兴丰;Lam，Tak-Wah公司 RENET：从文献中提取基因疾病关联的深度学习方法。 （英语） Zbl 1412.92163号 Cowen，Lenore J.（编辑），《计算分子生物学研究》。第23届国际年会，RECOMB 2019，美国华盛顿特区，2019年5月5日至8日。诉讼程序。查姆：斯普林格。莱克特。注释计算。科学。11467, 272-284 (2019). 摘要：每年有超过一百万篇新的生物医学文章发表。迫切需要高效准确的文本挖掘工具来自动从这些文章中提取知识，以支持研究和基因测试。特别是，主要研究基因疾病关联的提取。然而，现有的提取基因-疾病关联的文本挖掘工具能力有限，因为每个句子都是单独考虑的。我们的实验表明，现有的最佳工具，如BeFree和DTMiner，达到了48%的准确率和最多78%的召回率。在本研究中，我们设计并实现了一种名为RENET的深度学习方法，该方法考虑了文章中句子之间的相关性，以提取基因-疾病关联。我们的方法显著提高了准确率和召回率，分别达到85.2%和81.8%。RENET的源代码位于https://bitbucket.org/alexwuhkucs/gda-extraction/src/master/.关于整个系列，请参见[Zbl 1408.92004号]. MSC公司： 92 C50 医疗应用（通用） 68T05型 人工智能中的学习和自适应系统 关键词：文献挖掘;关系提取;基因疾病协会;深度学习 软件：DisGeNET公司;DTMiner公司;PKDE4J公司;PubTator出版社;RENET公司 PDF格式BibTeX公司 XML格式引用 \textit{Y.Wu}等人，Lect。注释计算。科学。11467272--284（2019年；Zbl 1412.92163） 全文： 内政部