生物醫(yī)學(xué)文本挖掘及其在基因調(diào)控信息分析中的應(yīng)用.pdf

1、當(dāng)前基因調(diào)控領(lǐng)域研究信息以指數(shù)級增長，一方面帶給研究人員海量的研究數(shù)據(jù)，同時(shí)也給研究資源的選擇帶來了很大的困難：如何方便地查詢基因調(diào)控相關(guān)的數(shù)據(jù)庫、工具和文獻(xiàn)；如何及時(shí)了解最新的研究信息；如何快速選取文獻(xiàn)成為急需解決的三大問題。與此同時(shí)數(shù)據(jù)挖掘技術(shù)也獲得了飛速的發(fā)展，使用機(jī)器學(xué)習(xí)方法對生物數(shù)據(jù)文本進(jìn)行數(shù)據(jù)挖掘已經(jīng)成為一種生物信息學(xué)研究的一種新方法，尤其是文本挖掘中更成為研究的熱門，這同時(shí)也為我們解決上述問題提供了有效的方法。 本

2、課題針對上述情況，根據(jù)文本挖掘的需求設(shè)計(jì)實(shí)現(xiàn)了頻繁序列算法，并提出了該算法在文獻(xiàn)選擇和文本分類等多方面的應(yīng)用，開發(fā)了用于信息提取和文本挖掘的頻繁序列算法系統(tǒng)(FSAS)；同時(shí)結(jié)合文本挖掘技術(shù)分別建立了基因調(diào)控信息資源庫(GRIS)和基因調(diào)控信息智能檢索系統(tǒng)(InfoAgerlt)。 文本分類是文本挖掘中最主要的部分，其核心問題在于如何實(shí)現(xiàn)分詞和提取文本特征?；蛘{(diào)控研究領(lǐng)域的發(fā)展日新月異，新詞、新技術(shù)不斷涌現(xiàn)，傳統(tǒng)的基于詞庫的分

3、詞算法無法適應(yīng)這一變化。本課題實(shí)現(xiàn)的頻繁序列算法可以在無字典情況下挖掘出文本中的頻繁長詞和新詞。本算法挖掘出的長詞，比單個(gè)詞更能體現(xiàn)文本的主要意義，所以可以用來幫助研究人員了解文獻(xiàn)的主要內(nèi)容，從而實(shí)現(xiàn)對所需文獻(xiàn)的閱讀選擇。同時(shí)，這些詞經(jīng)過選擇后可以方便地生成文本特征向量，為文本分類服務(wù)，本課題利用FSAS系統(tǒng)提取的文本特征，結(jié)合SVM技術(shù)，對基因調(diào)控相關(guān)的文獻(xiàn)進(jìn)行了分類實(shí)驗(yàn)，多次分類結(jié)果的平均準(zhǔn)確率達(dá)到80﹪以上。另外，F(xiàn)SAS對一定量

4、的基因調(diào)控相關(guān)文獻(xiàn)進(jìn)行分析后，也可以構(gòu)建該領(lǐng)域的相關(guān)詞庫。 基因調(diào)控信息資源庫(GRIS)收集了目前我們已知的網(wǎng)絡(luò)上的基因調(diào)控相關(guān)的數(shù)據(jù)庫、分析工具和文獻(xiàn)檢索資源。通過GRIS系統(tǒng)，研究人員可以方便地檢索到所關(guān)心的各類基因調(diào)控信息資源。對于海量的基因調(diào)控信息相關(guān)文獻(xiàn)，可以通過FSAS，挖掘出該文獻(xiàn)中的頻繁長詞，進(jìn)而通過這些詞來確定該文獻(xiàn)的主要研究內(nèi)容，研究人員只需要查閱這些長詞就可以了解文獻(xiàn)主題，從而快速方便的獲取所需的研究文獻(xiàn)

5、。面向基因調(diào)控信息領(lǐng)域的信息代理系統(tǒng)(InfoAgernt)是一個(gè)雙層的Client/Server結(jié)構(gòu)，它建立在界面代理、用戶興趣學(xué)習(xí)代理、信息獲取代理和文檔檢索代理等多代理之上，能夠通過系統(tǒng)及用戶自定義的數(shù)據(jù)源，利用Sockets技術(shù)爬行網(wǎng)絡(luò)，及時(shí)獲取當(dāng)前國際上基因調(diào)控研究相關(guān)的最新技術(shù)、進(jìn)展和新聞等信息。同時(shí)該系統(tǒng)還實(shí)現(xiàn)了基于用戶興趣的調(diào)控信息智能檢索。本系統(tǒng)的實(shí)現(xiàn)可以幫助用戶及時(shí)了解當(dāng)前國際國內(nèi)基因調(diào)控信息的研究進(jìn)展，從而大大減輕