生物醫(yī)學文本的標注與檢索研究.pdf

1、隨著生物醫(yī)學技術的快速發(fā)展，生物醫(yī)學方面的文獻也快速增長。例如Medline數據庫2013包含超過兩千萬的生物醫(yī)學文獻，而到了2015年，包含的醫(yī)學文獻增加到了二千四百萬。對于研究人員，從如此巨大的數據庫中檢索需要的信息所面臨的挑戰(zhàn)可想而知。此外生物醫(yī)學文獻的特殊性更增加了檢索的難度。例如醫(yī)學文章中大量使用的的專業(yè)詞和縮寫詞，使得一般的檢索方法在醫(yī)學文本檢索領域效果很差。
　　本文主要從查詢擴展的三種噪聲控制和多標簽的標注兩方面研

2、究生物醫(yī)學文本的檢索。論文首先介紹了生物醫(yī)學研究的發(fā)展及現狀，然后介紹了檢索領域的基本理論和多標簽標注的基本理論。通過抑制查詢擴展技術中存在的噪聲提高生物醫(yī)學信息檢索的性能。本文還將CCA用于多標簽的標注，并利用基于CCA標注算法提取醫(yī)學文獻的MeSH短語，然后將提取的MeSH短語用于查詢擴展。
　　本文的主要工作包括：
　　第一，分析了前人在運用基于本體的查詢擴展方法時得出的不同結論，得出了查詢擴展效果不理想是因為在查詢擴

3、展過程中引入了噪聲。
　　第二，針對查詢擴展的噪聲問題，提出了三種控制噪聲的方法，并在短語的基礎上提出了基于單詞，基于短語和混合三大檢索模型。實驗結果表明我們的噪聲控制方法是非常有效的，能夠顯著提高檢索的性能。
　　第三，將CCA方法應用到了多標簽標注領域，對于未知樣本標簽的預測，提出了自己的CCA標注方法。通過在多個多標簽數據集上測試表明，基于CCA的標注算法在多個性能指標上取得了不錯的效果，并將該標注算法應用到了醫(yī)學文本