MEDLINE數(shù)據(jù)庫中生物體類主題詞相關(guān)語義關(guān)系的構(gòu)建與評(píng)價(jià).pdf

1、目的: 生物醫(yī)學(xué)文獻(xiàn)數(shù)量的爆炸式增長為文本挖掘提出了問題和挑戰(zhàn)，期刊網(wǎng)絡(luò)版及網(wǎng)絡(luò)數(shù)據(jù)庫的出現(xiàn)為文本挖掘提供了廣闊的舞臺(tái)。文本挖掘就是從非結(jié)構(gòu)化文本信息中獲取用戶感興趣或者有用的知識(shí)或模式的過程，它涵蓋了信息技術(shù)、文本分析、統(tǒng)計(jì)學(xué)、自然語言處理、機(jī)器學(xué)習(xí)及數(shù)據(jù)可視化等多學(xué)科技術(shù)。本研究的主要目標(biāo)是嘗試對特定領(lǐng)域內(nèi)主題詞之間的潛在語義關(guān)系進(jìn)行挖掘、表達(dá)和檢驗(yàn)。 材料與方法: 本研究對生物體類主題詞相關(guān)的語義關(guān)系進(jìn)行提

2、取，檢索文獻(xiàn)時(shí)分三個(gè)層次進(jìn)行：微觀層次，選擇10個(gè)末級(jí)主題詞；中觀層次，生物體類可以組配的副主題詞；宏觀層次，對生物體類主題詞進(jìn)行檢索。規(guī)則挖掘，利用元數(shù)據(jù)即主題詞共現(xiàn)聚類分析方法對來自于MEDLINE的生物體類相關(guān)文獻(xiàn)中的高頻主要主題詞進(jìn)行共詞聚類分析，獲取主題詞之間的關(guān)聯(lián)規(guī)則。知識(shí)表達(dá)，即主題詞對之間的語義關(guān)系用UMLS語義關(guān)系表達(dá)語言進(jìn)行結(jié)構(gòu)化、模式化表達(dá)。將三個(gè)層次文獻(xiàn)篩選出的主題詞對作為檢索策略進(jìn)行邏輯“與”檢索，閱讀文摘確定

3、兩主題詞之間的關(guān)系，然后選擇適當(dāng)?shù)腢MLS語義關(guān)系詞匯對它們連接，即形成一條具體的規(guī)則。為了規(guī)則的數(shù)量能得到有效控制，并且關(guān)聯(lián)規(guī)則具有一定的代表性和概括性，本研究采用主題詞的二級(jí)樹狀結(jié)構(gòu)類號(hào)替代主題詞。并且將全部規(guī)則導(dǎo)入MeSH_Manager關(guān)聯(lián)規(guī)則檢驗(yàn)與應(yīng)用系統(tǒng)，生成規(guī)則庫。規(guī)則評(píng)價(jià)，驗(yàn)證共詞聚類獲得關(guān)聯(lián)規(guī)則的效能，從MEDLINE中選取60篇發(fā)表于《中華醫(yī)學(xué)雜志》上的生物體類文獻(xiàn)作為測試集，由多位專家對其閱讀并人工抽取主題詞之間的

4、二維關(guān)系，將結(jié)果與共詞聚類得到的關(guān)聯(lián)規(guī)則進(jìn)行比較。本文對二者的完全匹配及部分匹配情況進(jìn)行了定義，評(píng)價(jià)的指標(biāo)包括敏感度和準(zhǔn)確率。 結(jié)果: 對全部待描述規(guī)則歸納總結(jié)后，共獲得194個(gè)生物體類主題詞相關(guān)的關(guān)聯(lián)規(guī)則，其中微觀37，中觀141，宏觀16。對專家抽取關(guān)系的結(jié)果進(jìn)行整理，選取專家抽取的全部關(guān)系中一致認(rèn)同頻次大于等于3的關(guān)系作為認(rèn)同規(guī)則，得到40個(gè)具體認(rèn)同規(guī)則，來自于29篇文獻(xiàn)；用二級(jí)類號(hào)替代認(rèn)同規(guī)則，得到24個(gè)關(guān)系。將

5、60篇測試集文獻(xiàn)導(dǎo)入MeSH_Manager系統(tǒng)，自動(dòng)返回18個(gè)關(guān)系，來自于11篇文獻(xiàn)。將18個(gè)關(guān)系與40個(gè)認(rèn)同規(guī)則進(jìn)行比較，完全匹配8個(gè)，部分匹配17個(gè)，不匹配1個(gè)，因此完全匹配敏感度20％，部分匹配敏感度35％，完全匹配準(zhǔn)確率44％，部分匹配準(zhǔn)確率94％。又將專家抽取的24個(gè)二級(jí)類號(hào)認(rèn)同規(guī)則與MeSH_Manager系統(tǒng)的規(guī)則庫進(jìn)行比較，MeSH_Manager系統(tǒng)可提取出18個(gè)，因此二級(jí)類號(hào)關(guān)系的敏感度75％。 結(jié)論: