面向生物醫(yī)學文本的疾病關(guān)系挖掘模型及算法研究.pdf

1、生物醫(yī)學領(lǐng)域的文獻記錄展現(xiàn)了該領(lǐng)域內(nèi)的大量成果和實驗發(fā)現(xiàn)。生物醫(yī)學文本挖掘技術(shù)作為研究熱點之一,可以快速有效地在海量的文獻中獲取相關(guān)知識。生物醫(yī)學文本挖掘技術(shù)包括信息檢索、文本分類、命名實體識別、關(guān)系抽取、假設(shè)生成等。隨著基因技術(shù)的飛速發(fā)展,人們迫切希望從分子水平認識各種疾病的發(fā)生機制。在生物醫(yī)學領(lǐng)域的文獻中針對疾病進行關(guān)系的挖掘并構(gòu)建疾病網(wǎng)絡(luò),挖掘與疾病相關(guān)的隱藏信息,給生物醫(yī)學領(lǐng)域的科學家提供假設(shè)生成的依據(jù),對于人類的發(fā)展、疾病的預

2、防以及新藥的研制都有著重要的意義。首先在生物醫(yī)學命名實體識別獲得良好性能的基礎(chǔ)上給出了疾病和其他實體的本體標注方法,然后對文本進行分類以后再標注,進而進行關(guān)系的抽取和假設(shè)生成,從而對疾病和其他實體的關(guān)系進行預測。
　　現(xiàn)有的生物醫(yī)學命名實體識別方法將實體邊界探測和語義標識任務(wù)在一個模型中完成,另外生物醫(yī)學命名實體往往很長,相對單詞級的特征而言,構(gòu)建實體級的特征對于命名實體識別任務(wù)更加自然。因此,提出一種基于雙層半馬爾科夫條件隨機場

3、的實體識別方法,將任務(wù)劃分成兩個階段來進行標記將是一個可行的解決方法。在第一階段,命名實體和非實體被檢測出來,分別標記為C和O。在第二階段,命名實體被標記為具體的實體類別如蛋白質(zhì)、DNA、RNA、Cell_line、Cell_type等。針對每一個階段,挖掘了新的有用的特征。鑒于有些特征只作用于某一階段,雙層模型極大的減少了特征的維度。通過實驗驗證了算法的有效性,較之現(xiàn)有算法,基于雙層半馬爾科夫條件隨機場的實體識別方法在JNLPBA20

4、04語料集上達到了74.64％的F值。
　　針對生物醫(yī)學文獻中關(guān)于疾病的命名實體識別存在類型不明確、精度低的問題,提出了基于疾病本體的標注方法,使用標準詞表對疾病概念進行標注和標準化。采用雙層半馬爾科夫條件隨機場模型對疾病實體進行識別,包括在文本中的位置信息和標識。隨后,通過計算疾病實體和疾病本體中概念的相似度對已識別的疾病進行標注。最后,疾病實體根據(jù)相似度分別被識別為疾病概念和疾病實例。該實驗基于Arizona疾病語料集并取得了

5、很好的實驗結(jié)果。
　　研究了基于文本發(fā)現(xiàn)的疾病語義關(guān)系挖掘。首先對文本進行疾病本體和基因本體的標注,建立基于文本的描述疾病和基因功能關(guān)系的語義網(wǎng)絡(luò)。其次,從網(wǎng)絡(luò)中抽取相似的子圖并由子圖的相似度來推導疾病之間的關(guān)系。從MEDLINE中隨機選取了初始語料集,該實驗獲得了較好的性能并能夠發(fā)現(xiàn)疾病之間的潛在關(guān)系。
　　研究了關(guān)于疾病的假設(shè)生成問題。通過探索疾病與基因功能、藥物實體之間的語義網(wǎng)絡(luò),抽取文本中與疾病有關(guān)的子語義網(wǎng)絡(luò),提取