面向生物醫(yī)學領(lǐng)域的信息抽取研究.pdf

1、生物醫(yī)學文獻的數(shù)量正爆炸式地增長。如此海量的數(shù)據(jù)給研究者們帶來豐富的信息，但研究者們通宵達旦閱讀文獻也不及文獻的增長速度。因此自動從生物醫(yī)學文獻中提取和組織信息的系統(tǒng)變得越來越重要。抽取的這些信息能幫助研究者處理信息、系統(tǒng)地闡述生物模型、提出假設(shè)。隨著研究的發(fā)展，從生物醫(yī)學文獻中自動抽取各種關(guān)系模型，成為文本挖掘領(lǐng)域中的重要方向。論文中我們對蛋白質(zhì)關(guān)系抽取、通路信息抽取、利用文本構(gòu)建藥物基因組學語義網(wǎng)絡(luò)三個方面進行研究。
　　從文

2、本中自動抽取蛋白質(zhì)間的相互作用關(guān)系是文本挖掘領(lǐng)域中的重要方向。監(jiān)督學習利用標注數(shù)據(jù)訓練預(yù)測，通常能取得較好的性能;半監(jiān)督學習可以利用海量的未標注數(shù)據(jù)。為了充分發(fā)揮這兩種方法的優(yōu)勢，本文提出一種將監(jiān)督學習和半監(jiān)督學習融合的方法，用于自動從文獻中抽取蛋白質(zhì)關(guān)系。在AImed語料上取得了較好的效果。
　　從海量的已發(fā)表文獻中自動提取通路信息，能幫助我們理解疾病和發(fā)現(xiàn)新藥。在本文中，我們提出了一個兩階段的方法從Medline摘要中抽取跟疾

3、病相關(guān)的通路信息。在第一階段，使用的基于規(guī)則的方法主要分為以下四步:預(yù)處理、種子識別、句法分析、通路信息抽取。在第二階段中，使用蛋白質(zhì)關(guān)系抽取系統(tǒng)進行關(guān)系抽取作為補充，來提高召回率。實驗結(jié)果表明了該方法的有效性。
　　我們從Medline摘要中抽取基因-藥物、基因-疾病兩種關(guān)系，以此來構(gòu)建了藥物基因組學語義網(wǎng)絡(luò)，并設(shè)計實現(xiàn)了一個藥物基因組學語義網(wǎng)絡(luò)可視化系統(tǒng)。該系統(tǒng)可以展示語義網(wǎng)絡(luò)，同時可以對網(wǎng)絡(luò)進行可視化編輯。
　　通過對