面向生物醫(yī)學(xué)文獻(xiàn)的文本挖掘技術(shù)研究.pdf

1、在后基因組時(shí)代,生物學(xué)研究已由對生物學(xué)單體研究(基因、蛋白、其他生物分子等)快速向?qū)φ麄€(gè)生物系統(tǒng)的研究方向轉(zhuǎn)變。如今絕大多數(shù)生物醫(yī)學(xué)文獻(xiàn)都可在網(wǎng)絡(luò)上檢索,包含了豐富的生物學(xué)知識,也是獲取國際上生命科學(xué)最新研究成果的最主要的途徑。盡管公共數(shù)據(jù)庫中的一些文獻(xiàn)已由專家人工進(jìn)行了內(nèi)容提煉和分類整理,但相對于記載新發(fā)現(xiàn)的文獻(xiàn)涌現(xiàn)的速度來說,還是遠(yuǎn)遠(yuǎn)落后。由于生物學(xué)名詞的縮略性、模糊性和多義性,從海量文獻(xiàn)中自動提取出生物學(xué)知識是非常困難的。而隨著新

2、文獻(xiàn)數(shù)量的與日遞增,需要有一種從海量文獻(xiàn)中自動快速提取生物學(xué)知識的方法來輔助研究。 我們將主流的文本挖掘技術(shù)運(yùn)用在生物信息學(xué)領(lǐng)域,運(yùn)用自然語言處理和本體技術(shù),對生物醫(yī)學(xué)文獻(xiàn)進(jìn)行挖掘。在分析生物醫(yī)學(xué)文獻(xiàn)特性的基礎(chǔ)上,設(shè)計(jì)開發(fā)了基因疾病相關(guān)文獻(xiàn)挖掘平臺,綜合運(yùn)用網(wǎng)絡(luò)蜘蛛、句法剖析、語義語用分析、生物醫(yī)學(xué)領(lǐng)域?qū)I(yè)知識庫標(biāo)定等技術(shù),對基因和疾病相關(guān)文獻(xiàn)進(jìn)行深度挖掘,進(jìn)行基因功能、基因與疾病關(guān)系、生物分子相互作用網(wǎng)絡(luò)知識發(fā)現(xiàn)。該平臺收集了