生物醫(yī)學(xué)文本中藥物信息抽取方法研究.pdf

1、隨著生物醫(yī)學(xué)研究及互聯(lián)網(wǎng)技術(shù)的發(fā)展，互聯(lián)網(wǎng)上可獲取的生物醫(yī)學(xué)文獻數(shù)量急劇增長。海量非結(jié)構(gòu)化的生物醫(yī)學(xué)文獻中蘊含著豐富的、有價值的知識。藥物作為一種被廣泛研究的生物醫(yī)學(xué)實體，是相關(guān)知識的重要載體。從非結(jié)構(gòu)化的生物醫(yī)學(xué)文本中抽取出結(jié)構(gòu)化的藥物信息既能服務(wù)于相關(guān)領(lǐng)域的研究人員與醫(yī)療專業(yè)人員，又能擴充、更新現(xiàn)有的藥物知識庫。因此，生物醫(yī)學(xué)文本中的藥物信息抽取獲得越來越多的關(guān)注，逐漸成為研究的熱點。當(dāng)前藥物信息抽取的研究主要集中在藥物名識別及藥物

2、之間相互作用關(guān)系抽取兩個問題上，相關(guān)方法的性能尚不能滿足實際應(yīng)用的需要。因此，本文圍繞這兩個問題展開深入研究。主要研究內(nèi)容包括以下幾個部分：
　　第一，基于多語義特征融合的藥物名識別方法。基于藥物名詞典的語義特征對識別藥物名具有很大幫助，被廣泛用于基于機器學(xué)習(xí)的藥物名識別方法中。但由于藥物名詞典覆蓋范圍有限、更新不及時等原因，基于藥物名詞典的語義特征存在一定的局限性。本文注意到大規(guī)模非結(jié)構(gòu)化的生物醫(yī)學(xué)文獻中包含大量未登錄的藥物名。

3、為彌補基于詞典的語義特征的不足，本文提出一種基于多語義特征融合的藥物名識別方法。該方法利用大規(guī)模非結(jié)構(gòu)化的生物醫(yī)學(xué)文獻生成基于詞向量的語義特征，并將其與基于藥物名詞典生成的語義特征聯(lián)合用于藥物名識別。實驗結(jié)果表明，基于多語義特征融合的藥物名識別方法性能優(yōu)于使用單一語義特征的方法。
　　第二，基于特征組合與特征選擇的藥物名識別方法。特征組合是指將多個不同類型的簡單特征組合為一個組合特征。相比于簡單特征，組合特征的優(yōu)勢在于其能表示語句

4、中詞的多個屬性。在藥物名識別問題中，可能的特征組合方式很多，直接將簡單特征組合會產(chǎn)生數(shù)量龐大的組合特征，且包含大量噪聲，影響模型的性能。因此，除了n元文法特征外，現(xiàn)有的藥物名識別方法通常僅使用簡單特征。為了有效利用組合特征，本文提出了一種面向藥物名識別的特征生成框架。該框架包含特征組合與特征選擇兩個模塊，特征組合模塊將簡單特征組合得到組合特征，特征選擇模塊去除特征集合中的大量噪聲。本文基于該框架將詞向量特征、詞典特征及通用特征組合，將得

5、到的特征用于條件隨機場模型進行藥物名識別。實驗結(jié)果表明，基于特征組合與特征選擇的藥物名識別方法性能優(yōu)于僅使用簡單特征的藥物名識別方法。
　　第三，基于文本序列卷積神經(jīng)網(wǎng)絡(luò)的藥物相互作用關(guān)系抽取方法?，F(xiàn)有的性能較好的藥物相互作用關(guān)系抽取方法是基于支持向量機的方法。這類方法使用大量的人工定義特征且需要各種外部自然語言處理工具來生成這些特征。因此，其性能受外部自然語言處理工具的影響較大。為了減少對外部自然語言處理工具的依賴，本文提出一種

6、基于文本序列卷積神經(jīng)網(wǎng)絡(luò)的藥物相互作用關(guān)系抽取方法。該方法只需要輸入由無監(jiān)督的深度學(xué)習(xí)算法得到的詞向量以及隨機初始化的位置向量，通過文本序列卷積與最大池化操作自動學(xué)習(xí)得到特征，用于softmax分類器進行關(guān)系抽取。實驗結(jié)果表明，該方法性能優(yōu)于傳統(tǒng)的基于支持向量機的方法。
　　第四，基于依存結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)的藥物相互作用關(guān)系抽取方法?；谖谋拘蛄芯矸e神經(jīng)網(wǎng)絡(luò)的藥物相互作用關(guān)系抽取方法忽略了詞之間的長距離依存關(guān)系，而這種依存關(guān)系對藥物

7、相互作用關(guān)系抽取很重要。因此，本文提出一種基于依存結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)的藥物相互作用關(guān)系抽取方法，將詞之間的長距離依存關(guān)系融入卷積神經(jīng)網(wǎng)絡(luò)模型。實驗結(jié)果表明，引入詞之間的長距離依存關(guān)系能提升藥物相互作用關(guān)系抽取的性能。句法分析器對長句的依存句法分析結(jié)果錯誤較多，這些錯誤傳播到依存結(jié)構(gòu)卷積神經(jīng)網(wǎng)絡(luò)模型中，會影響模型的性能。為避免錯誤傳播，本文根據(jù)語句長度將基于文本序列與基于依存結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)方法組合。實驗結(jié)果表明，這種組合能進一步提升藥物