基于判別式模型的生物醫(yī)學(xué)文本挖掘相關(guān)問題研究

1、國內(nèi)圖書分類號(hào)：TP391.2國際圖書分類號(hào)：681.37工學(xué)博士學(xué)位論文基于判別式模型的生物醫(yī)學(xué)文本挖掘相關(guān)問題研究博士研究生：孫承杰導(dǎo)師：王曉龍教授申請學(xué)位：工學(xué)博士學(xué)科、專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)所在單位：計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院答辯日期：2008年10月授予學(xué)位單位：哈爾濱工業(yè)大學(xué)摘要摘要隨著計(jì)算技術(shù)和生物技術(shù)的進(jìn)步，當(dāng)前生物醫(yī)學(xué)文獻(xiàn)正在以前所未有的速度增長。這些文獻(xiàn)中蘊(yùn)含著最新的研究進(jìn)展和豐富的生物醫(yī)學(xué)知識(shí)，對(duì)于生物醫(yī)學(xué)研究者具有重要意

2、義。然而數(shù)以千萬計(jì)的文獻(xiàn)使得研究者追蹤和整理自己需要的知識(shí)和信息變得越來越困難。文本挖掘技術(shù)可以解決這一問題，幫助生物醫(yī)學(xué)研究者提高從文獻(xiàn)中獲取知識(shí)和信息的效率。因此針對(duì)生物醫(yī)學(xué)文獻(xiàn)的文本挖掘研究具有重要的應(yīng)用價(jià)值。判別式模型是一類直接利用特征來預(yù)測目標(biāo)變量的發(fā)生概率的機(jī)器學(xué)習(xí)模型，本文中主要用到的判別式模型有最大熵模型和條件隨機(jī)域模型。相對(duì)于產(chǎn)生式模型，判別式模型降低了特征之間的獨(dú)立性假設(shè)的要求，并且與很多文本挖掘任務(wù)的需求相一致，因

3、而更有可能取得好的效果。本文主要研究如何利用判別式模型來解決生物醫(yī)學(xué)文獻(xiàn)挖掘中的問題。具體地，我們研究了生物醫(yī)學(xué)文本挖掘中的三個(gè)任務(wù)：生物醫(yī)學(xué)名實(shí)體識(shí)別、生物醫(yī)學(xué)實(shí)體規(guī)范化以及生物醫(yī)學(xué)語義關(guān)系抽取。在這3任務(wù)中，第二個(gè)任務(wù)是第一個(gè)任務(wù)在語義處理上的延伸，前兩個(gè)任務(wù)是第三個(gè)任務(wù)的基礎(chǔ)。本文的主要內(nèi)容包含以下4個(gè)方面。生物醫(yī)學(xué)名實(shí)體識(shí)別的目標(biāo)是確定一個(gè)給定的文本集合內(nèi)的某一類型的實(shí)體的名字的所有實(shí)例，它是進(jìn)行深層次文本挖掘的必要步驟之一。本

4、文在考察了生物醫(yī)學(xué)領(lǐng)域?qū)嶓w識(shí)別的特點(diǎn)和難點(diǎn)，分析了目前已有的生物醫(yī)學(xué)實(shí)體識(shí)別方法的優(yōu)缺點(diǎn)的基礎(chǔ)上，提出了利用條件隨機(jī)域模型結(jié)合豐富特征集來進(jìn)行生物醫(yī)學(xué)實(shí)體識(shí)別的方法。這些特征包括：構(gòu)詞法特征、上下文特征和句法特征。其中，淺層句法特征是首次被引入到條件隨機(jī)域模型中，同時(shí)用來進(jìn)行實(shí)體的邊界檢測和類別判斷。實(shí)驗(yàn)表明，這一特征可以有效地提高名實(shí)體識(shí)別的效果。有監(jiān)督的機(jī)器學(xué)習(xí)方法需要大規(guī)模的標(biāo)注語料。大量的電子文獻(xiàn)使得在生物醫(yī)學(xué)領(lǐng)域獲取未標(biāo)記的語