生物醫(yī)學文本中指代消解的研究.pdf

1、目前，生物醫(yī)學文獻正呈指數(shù)級別增長，其中存儲著豐富的知識，對生物醫(yī)學的科研、教學和實踐，疾病的診斷、預(yù)防和治療，新藥的研制都起著至關(guān)重要的作用。因此，從這些海量的文獻中高效地獲取真正有價值的信息，成為人們?nèi)找骊P(guān)注的問題。而指代消解任務(wù)正是實現(xiàn)獲取有價值信息的基礎(chǔ)，很大程度上，影響了信息抽取的性能。
　　本文針對生物醫(yī)學文本中的指代現(xiàn)象進行研究，根據(jù)系統(tǒng)框架，分為兩個步驟。第一步抽取出開發(fā)集語料中的候選照應(yīng)語和先行詞。抽取性能的好壞

2、直接影響到下一步消解的效果。針對代詞照應(yīng)語和名詞短語照應(yīng)語，分別采用不同的規(guī)則進行抽取。對于代詞照應(yīng)語，構(gòu)建代詞列表，抽取出代詞列表中的所有代詞;針對代詞“that”和“it”，分別根據(jù)Enju解析器的結(jié)果和規(guī)則進行過濾，極大地提高了代詞照應(yīng)語識別的精確率。同樣地，對于名詞短語照應(yīng)語，使用規(guī)則進行抽取和過濾。第二步對照應(yīng)語進行消解，采用兩種方法:單純的機器學習方法和融合的方法。在第一種方法中，并沒有直接使用通用領(lǐng)域指代消解機器學習方法中

3、使用的特征，而是根據(jù)生物醫(yī)學領(lǐng)域指代消解的特點，針對代詞和名詞短語照應(yīng)語分別進行特征選擇。最終對所有照應(yīng)語消解的結(jié)果為49.36％F值，比現(xiàn)有的采用單純機器學習方法的F值提高了10.06％。實驗結(jié)果說明，針對不同照應(yīng)語類型，分別進行特征選擇的機器學習方法是有效的。為了進一步提高系統(tǒng)的性能，本文又采用融合的方法進行實驗，針對不同的照應(yīng)語類型（關(guān)系代詞、非關(guān)系代詞和名詞短語）采用不同的消解方法。對關(guān)系代詞的消解，采用機器學習與規(guī)則相結(jié)合的方

4、法。對非關(guān)系代詞的消解，為了克服將非關(guān)系代詞劃分過細，導(dǎo)致對指示與不定代詞采用機器學習方法中數(shù)據(jù)的稀疏問題，以及對人稱代詞消解采用基于樹核的機器學習方法中，未考慮詞法信息的缺陷，本文將人稱代詞和指示與不定代詞合并起來采用基于規(guī)則的方法進行消解。對名詞短語的消解，采用基于規(guī)則的方法。在BioNLP2011開發(fā)集語料上進行實驗，對非關(guān)系代詞的消解結(jié)果比目前最好的消解結(jié)果有了明顯的提高，總體消解的F值比目前最好的結(jié)果提高了1.21％。說明本文