基于扩展语义消歧生物医学命名实体标准化

《基于扩展语义消歧生物医学命名实体标准化》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、大连理工大学硕士学位论文摘要随着生物医学文献数量的急剧增长，海量的生物医学信息成为制约生物医学研究者研究的重要因素。一方面，生物医学研究人员很难迅速查找蕴藏在这些浩如烟海的生物医学文献中的具有价值的信息，因此也几乎不可能通过人工的方式及时更新知识。与此同时，生物医学领域具有十分丰富的在线和离线知识资源。生物医学研究人员可以利用这些知识资源作为辅助，通过对已有知识资源进行科学的表示并依此来学习新文献中的知识，从而来进一步更新和完善这些生物医学知识资源，进而达到辅助生物医学研究人员研究工作的目的。构建这些知识资源的

2、过程往往需要耗费大量的人力物力财力，同时也受到知识资源构建人员学术背景等主观因素的制约。于是研究人员迫切需要一种自动的方法来解决文献急剧增长和无法及时更新知识这对矛盾。生物医学命名实体标准化正由此应运而生。生物医学命名实体标准化是生物医学文本挖掘研究中重要的基础环节，它不仅与生物医学命名实体识别研究紧密联系，而且对后续实体关系抽取以及假设发现具有十分重要的意义。众所周知，基因和蛋白质是最重要的生物医学命名实体，它们对于生物医学研究人员的研究具有十分重要的价值。因此，生物医学命名实体标准化研究的重点细化为基因提及

3、标准化研究。基因提及标准化的主要任务是识别出生物医学文献中提及的基因和蛋白质以及正确建立这些基因提及与标准生物医学数据库中的标识符之间的映射关系。通过这种方式可以降低构造相关知识资源的成本。因此，生物医学命名实体标准化具有很高的应用价值。本文首先介绍了生物医学文本挖掘领域中的基因提及标准化研究的概况。其次把如何利用知识资源对基因提及进行消歧作为研究范畴。从利用相关反馈知识对消歧问题进行初步尝试入手，深入调研本领域相关文献，最终形成本文的核心方法。本文基于扩展语义轮廓消歧的标准化方法主要由四个部分组成：第一部分是

4、对原始的生物医学摘要文本进行预处理，利用现有的命名实体识别系统对处理后的摘要文本进行识别。与此同时，我们把BioCreativeII组织者提供的字典与数据库资源中的基因提及同义字信息进行合并，从而构建我们的字典。最后对生成的字典进行规范化处理，使其尽量消除由名称拼写差别造成的误差。第二部分是构造候选基因提及标识符列表。这部分主要的功能是把识别出来的基因提及通过搜索匹配的方法与生物学数据库中的标识符进行对应，其中具有歧义的基因提及由下一步消歧方法来确定一个唯～的数据库标识符。第三部分我们采用基于信息检索的扩展语义

5、信息来进行消歧，并将这种信息转化为特征向量。最后，我们采用基于wil(ipedia的后过滤器，对消歧后的结果进行过滤。本文的实验部分选取了基于扩展语义消歧的生物医学命名实体标准化国际上著名竞赛BioCreativeI／II的数据集，实验结果表明本文提出的解决基因提及标准化问题的方法达到了可比较的结果。我们根据实验结果对本文方法进行详细的讨论，并且给出了研究结论以及未来工作的展望。关键词：基因提及标准化；消歧；扩展语义轮廓；机器学习大连理工大学硕士学位论文TheResearchofNamedEntityNo咖al

6、izationinBiomedicalLiteratureBasedonExtendedSemanticProfilingDisambiguationAbstractAstlleq眦lti钾ofbiomedicalliteratureincreaSessharply’tremendouskindsofbiomedicalinflonIlationbecomethebottleneckofbiomedicalresearcherswork．Them萄orproblem、vimthisphenomenonistha

7、tthebiomedicalresearchersha埘lyretrievethevaluableinfomationwhichiscontainedinthei11]fo加ationseaopportunely，aIldtheycouldnotkeeptheirknowledgeuptodate．Mean、v11ile，therea】陀abundantonlinea11dofnineresourcesinbiomedicinedomain’t11eproblemishowwecall如llyutilizeth

8、eseresourcestofacilitatetheresearchaIldrepresenttheexistingknowledgetoleanlnewknowledge．Witllalloftheef．fortsonecanrenovatemeresourcesfortlleresearchers’6】rtherstudv．Theconstmctionoftlleknowledg