Event Causal Relation Extraction in Brain Connectomics: A Model Utilizing Weighted Joint Constrained Learning
Notice bibliographique
Résumé
Brain science research has entered the era of connectomics, characterized by a significant increase in published articles investigating brain structure and functional connections. Automatically and accurately extracting scientific evidence from these articles has become an urgent concern. Unlike early brain mechanism studies at the functional area level, brain connectomics studies feature more intricate experimental designs and yield complex findings. Traditional neuroimaging text mining techniques, operating at the term level, are insufficient for effectively extracting scientific evidence from brain connectomics articles. This paper addresses a key challenge in event-level neuroimaging text mining, i.e., event causal relation extraction in brain connectomics. We introduce a novel model named Brain Connectomics Event Relation Miner (BCERM), leveraging weighted joint constrained learning. By integrating a bidirectional long short-term memory (BiLSTM) network with a multi-layer perceptron (MLP), we develop a lightweight model for jointly extracting multiple event causal relations from brain connectomics articles. Given the scarcity of annotated brain connectomics corpora, we propose a weighted joint constrained learning framework. This framework integrates double consistency constraints, encompassing common sense and domain constraints, and combines them with adaptive weight learning to enhance the model's few-shot learning capability. Experimental evaluations on a real brain connectomics article dataset demonstrate that our method achieves an F-score of 70%, outperforming state-of-the-art event relation extraction methods in the low-resource environment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».