基于背景知識的醫(yī)學領(lǐng)域分類關(guān)系學習技術(shù)研究.pdf

1、目前，雖然生物醫(yī)學研究領(lǐng)域已經(jīng)廣泛認可了領(lǐng)域本體的實用性，但是其有效使用仍然存在諸多阻礙。領(lǐng)域本體旨在盡可能全面地覆蓋本領(lǐng)域的概念和關(guān)系，然而，手工構(gòu)建本體通常耗時費力，容易產(chǎn)生差錯，并且存在更新困難以及一致性差等問題。本體學習作為本體自動構(gòu)建技術(shù)，可以較好地解決上述問題。自然語言處理、信息抽取、信息檢索以及機器學習技術(shù)的進步，推動了本體學習技術(shù)的發(fā)展。
　　本體學習包括術(shù)語抽取、概念抽取、分類關(guān)系抽取、非分類關(guān)系抽取及公理抽取等

2、。分類關(guān)系作為本體構(gòu)建的重要組成部分，是國內(nèi)外研究的重點。本論文提出了一種基于背景知識的面向文本的領(lǐng)域分類關(guān)系自動學習方案，主要過程包括:(1)從自由文本中抽取領(lǐng)域術(shù)語，將抽取到的術(shù)語結(jié)合領(lǐng)域背景知識RxNorm生成概念。(2)對生成的概念進行基于詞法相似度和語義相似度的五個維度相似度計算，包括基于詞法的概念名-概念名、概念名-術(shù)語名之間的萊文斯坦相似度，以及基于領(lǐng)域知識庫SNOMED CT和關(guān)聯(lián)生命數(shù)據(jù)集DBpedia背景知識的語義相

3、似度。(3)對生成的領(lǐng)域概念進行層次聚類，完成多維度信息的整合，得出初始的概念樹狀圖，再對樹狀圖進行相應(yīng)的剪枝和聚簇標記，得出概念間的分類關(guān)系?；谏鲜龇椒?，本論文選取MEDLINE和DRUGBANK語料庫進行藥物名稱分類關(guān)系的學習，共抽取到2547個概念，映射到16種藥物名稱頂級概念層。對分類關(guān)系進行評估與總結(jié)，實現(xiàn)了從自由文本到本體分類關(guān)系的發(fā)現(xiàn)。在此基礎(chǔ)上，對抽取到的領(lǐng)域概念和關(guān)系進行了本體建模，完成了相應(yīng)領(lǐng)域本體的構(gòu)建。該本體完