基于生物醫(yī)學(xué)文獻(xiàn)挖掘的化合物與疾病關(guān)系識別.pdf

1、化合物與疾病關(guān)系識別是生物醫(yī)學(xué)文獻(xiàn)挖掘中的一項(xiàng)重要任務(wù)，化合物與疾病關(guān)系有助于改善生物醫(yī)學(xué)搜索引擎的搜索結(jié)果，縮短藥物研發(fā)周期，減少藥物研發(fā)成本?；衔锱c疾病關(guān)系識別，具體來說分為兩個子任務(wù)——生物醫(yī)學(xué)命名實(shí)體（以下簡稱為生物名稱）歸一化和化合物與疾病關(guān)系提取。歸一化主要是為了解決生物醫(yī)學(xué)文獻(xiàn)中的生物名稱形式多樣、難以確認(rèn)和歸類的問題，任務(wù)主要目標(biāo)是將文本中出現(xiàn)的生物名稱匹配到生物醫(yī)學(xué)標(biāo)準(zhǔn)概念上，現(xiàn)有解決方法包括字符匹配和關(guān)聯(lián)矩陣學(xué)習(xí)，

2、其中字符匹配的方法受限于歸一化詞典的覆蓋范圍，而關(guān)聯(lián)矩陣學(xué)習(xí)的方法對陌生單詞的刻畫能力不足。化合物與疾病關(guān)系提取則需要根據(jù)上下文內(nèi)容提取出文本中存在引發(fā)關(guān)系的化合物與疾病，現(xiàn)有方法包括共現(xiàn)頻率統(tǒng)計(jì)、規(guī)則匹配和統(tǒng)計(jì)機(jī)器學(xué)習(xí)，其中共現(xiàn)頻率統(tǒng)計(jì)方法準(zhǔn)確率較低，而規(guī)則匹配和統(tǒng)計(jì)學(xué)習(xí)方法則需要人為設(shè)計(jì)規(guī)則或特征，耗費(fèi)人工的同時(shí)也可能存在遺漏和偏頗。針對以上任務(wù)，本文的主要工作和貢獻(xiàn)如下:
　　1.基于語義匹配的生物醫(yī)學(xué)命名實(shí)體歸一化

3、　　本文提出了基于語義匹配的歸一化算法，其主要是依據(jù)上下文相似性來挖掘單詞語義相似性并通過衡量語義相似性來進(jìn)行匹配。本文首先收集大量無標(biāo)記的、與生物名稱相關(guān)的上下文并構(gòu)造語義空間的詞向量，然后采用深度學(xué)習(xí)網(wǎng)絡(luò)來度量生物名稱在語義空間中的距離，設(shè)計(jì)了基于排序思想的損失函數(shù)，并使用隨機(jī)梯度下降算法對模型進(jìn)行訓(xùn)練。計(jì)算實(shí)驗(yàn)表明，提出方法在NCBI測試集上取得了85.3％的正確率，優(yōu)于傳統(tǒng)方法。
　　2.基于卷積神經(jīng)網(wǎng)絡(luò)的化合物與疾病關(guān)系