生物醫(yī)學(xué)領(lǐng)域檢索系統(tǒng)查詢擴(kuò)展技術(shù)研究.pdf

1、隨著計(jì)算技術(shù)和生物技術(shù)的進(jìn)步，當(dāng)前生物醫(yī)學(xué)相關(guān)的文獻(xiàn)正在以前所未有的速度增長。著名的MEDLINE數(shù)據(jù)庫已經(jīng)收集了自1965年以來的近1100萬篇的生物醫(yī)學(xué)相關(guān)文獻(xiàn)，并且以每天1500篇的速度在增長。這些文獻(xiàn)中蘊(yùn)含了大量的知識。研究人員可以利用不同文獻(xiàn)中的研究成果，來尋找疾病和基因之間的關(guān)系、基因和不同生命功能以及不同基因之間的關(guān)系等非常有用的知識。這些知識應(yīng)用于實(shí)際，可以更好地診斷、預(yù)防和治療人類的疾病。但是，人工從海量的文獻(xiàn)中發(fā)現(xiàn)這

2、些知識幾乎是一件不可能的任務(wù)。因此，針對海量的生物醫(yī)藥文獻(xiàn)的信息檢索系統(tǒng)成為相關(guān)研究人員的迫切需求。2003年，TREC基因?qū)W方面的項(xiàng)目應(yīng)運(yùn)而生。
　　本文研究的基礎(chǔ)就是TREC2007年的基因?qū)W項(xiàng)目。因此本文首先對TREC做了簡要的介紹，并詳細(xì)介紹了TRECGenomicsTrack2007數(shù)據(jù)源、主題以及評測提交形式。然后討論和分析了當(dāng)前主要的信息檢索模型，以及本文介紹的生物醫(yī)藥領(lǐng)域檢索系統(tǒng)中搭建檢索模塊用到的Indri工具包

3、。在檢索過程中考慮到查詢中所使用的術(shù)語可能與文檔集中使用的術(shù)語不匹配而導(dǎo)致一些相關(guān)的文檔不能被成功地檢索出來，影響檢索效果，本文提出了兩個查詢擴(kuò)展的方法——正規(guī)化的同義詞查詢擴(kuò)展方法和基于查詢結(jié)果反饋的查詢擴(kuò)展方法。最后描述了生物醫(yī)學(xué)領(lǐng)域檢索系統(tǒng)的整體設(shè)計(jì)、實(shí)現(xiàn)和測試結(jié)果。
　　本文重點(diǎn)討論并實(shí)現(xiàn)了以下兩個方面的內(nèi)容：信息檢索模型，查詢擴(kuò)展技術(shù)。利用以上技術(shù)，本文初步實(shí)現(xiàn)了生物醫(yī)學(xué)領(lǐng)域檢索系統(tǒng)。為了考察本系統(tǒng)的性能以及查詢擴(kuò)展方法

4、對于系統(tǒng)性能的影響，文本設(shè)計(jì)了相應(yīng)的實(shí)驗(yàn)。實(shí)驗(yàn)表明，查詢擴(kuò)展方法對系統(tǒng)的性能會有積極的影響，其中正規(guī)化的同義詞查詢擴(kuò)展方法相對系統(tǒng)baseline在DocumentMAP、AspectMAP、PassageMAP分別提高4.5％、3.4%、2.3%；而基于查詢結(jié)果反饋的實(shí)體查詢擴(kuò)展方法相對系統(tǒng)baseline在DocumentMAP、AspectMAP、PassageMAP分別提高19.1%、20.5%、15.8%，其中Document