近期，计算机科学与技术学院（大数据学院）讲师窦明亮在《ACM Computing Surveys（CSUR）》上发表长篇综述论文，论文题目为：“Drug-Drug Interaction Relation Extraction Based on Deep Learning: A Review”。该期刊是计算机领域国际顶级期刊（属中科院SCI一区 TOP），最新影响因子达到23.8。该论文的第一署名单位为太原理工大学，计算机科学与技术学院（大数据学院）学院青年教师窦明亮为论文第一作者，哈姆斯塔德大学Prayag Tiwari副教授、电子科技大学丁漪杰副研究员、中南大学郭菲教授为论文通讯作者。

图1. 论文首页

本论文针对药物-药物交互（DDI）关系提取问题，深入且全面地调研了领域内的研究成果，并从“特征补充方法”这一全新的视角对DDI关系提取的研究思路进行了梳理和总结。论文首先对DDI关系提取的一般流程进行了细致的总结，包括数据的预处理以及完整的关系提取过程。其次，论文以特征补充方法为切入点，对已有的全部工作进行了解析，包括内部补充方法以及外部补充方法。同时，论文也对已有工作采用的不同网络框架进行了总结，包括基于CNN、基于RNN、基于GCN和基于简化网络的DDI关系提取研究。然后，论文对已有工作的实验部分进行了详细总结，包括数据集及度量标准等。最后，论文总结了DDI关系提取任务中存在的主要问题，并给出了可能的解决方法。

图2. 主、副网络在DDI关系提取中的不同位置

本论文总结了DDI关系提取的完整过程以及技术细节，能够较好地指导初入领域的研究人员快速展开DDI关系提取的相关工作。同时，本论文采用全新的角度对DDI关系提取工作进行了综述，这有助于拓展研究人员的研究思路，为新的工作提供富有创意的启发。

该论文得到了包括国家自然科学基金在内的多项国家级和地方项目支持。

论文链接：https://doi.org/10.1145/3645089