面向生物醫(yī)學(xué)文本的疾病關(guān)系挖掘模型及算法研究.pdf

1、生物醫(yī)學(xué)領(lǐng)域的文獻(xiàn)記錄展現(xiàn)了該領(lǐng)域內(nèi)的大量成果和實(shí)驗(yàn)發(fā)現(xiàn)。生物醫(yī)學(xué)文本挖掘技術(shù)作為研究熱點(diǎn)之一,可以快速有效地在海量的文獻(xiàn)中獲取相關(guān)知識。生物醫(yī)學(xué)文本挖掘技術(shù)包括信息檢索、文本分類、命名實(shí)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(rèn)識各種疾病的發(fā)生機(jī)制。在生物醫(yī)學(xué)領(lǐng)域的文獻(xiàn)中針對疾病進(jìn)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(xué)領(lǐng)域的科學(xué)家提供假設(shè)生成的依據(jù),對于人類的發(fā)展、疾病的預(yù)

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(xué)命名實(shí)體識別獲得良好性能的基礎(chǔ)上給出了疾病和其他實(shí)體的本體標(biāo)注方法,然后對文本進(jìn)行分類以后再標(biāo)注,進(jìn)而進(jìn)行關(guān)系的抽取和假設(shè)生成,從而對疾病和其他實(shí)體的關(guān)系進(jìn)行預(yù)測。
　　現(xiàn)有的生物醫(yī)學(xué)命名實(shí)體識別方法將實(shí)體邊界探測和語義標(biāo)識任務(wù)在一個(gè)模型中完成,另外生物醫(yī)學(xué)命名實(shí)體往往很長,相對單詞級的特征而言,構(gòu)建實(shí)體級的特征對于命名實(shí)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(jī)場

3、的實(shí)體識別方法,將任務(wù)劃分成兩個(gè)階段來進(jìn)行標(biāo)記將是一個(gè)可行的解決方法。在第一階段,命名實(shí)體和非實(shí)體被檢測出來,分別標(biāo)記為C和O。在第二階段,命名實(shí)體被標(biāo)記為具體的實(shí)體類別如蛋白質(zhì)、DNA、RNA、Cell_line、Cell_type等。針對每一個(gè)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(shí)驗(yàn)驗(yàn)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(jī)場的實(shí)體識別方法在JNLPBA20

4、04語料集上達(dá)到了74.64％的F值。
　　針對生物醫(yī)學(xué)文獻(xiàn)中關(guān)于疾病的命名實(shí)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(biāo)注方法,使用標(biāo)準(zhǔn)詞表對疾病概念進(jìn)行標(biāo)注和標(biāo)準(zhǔn)化。采用雙層半馬爾科夫條件隨機(jī)場模型對疾病實(shí)體進(jìn)行識別,包括在文本中的位置信息和標(biāo)識。隨后,通過計(jì)算疾病實(shí)體和疾病本體中概念的相似度對已識別的疾病進(jìn)行標(biāo)注。最后,疾病實(shí)體根據(jù)相似度分別被識別為疾病概念和疾病實(shí)例。該實(shí)驗(yàn)基于Arizona疾病語料集并取得了

5、很好的實(shí)驗(yàn)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(jìn)行疾病本體和基因本體的標(biāo)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(dǎo)疾病之間的關(guān)系。從MEDLINE中隨機(jī)選取了初始語料集,該實(shí)驗(yàn)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(shí)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