生物醫(yī)學(xué)文本的標(biāo)注與檢索研究.pdf

1、隨著生物醫(yī)學(xué)技術(shù)的快速發(fā)展，生物醫(yī)學(xué)方面的文獻(xiàn)也快速增長。例如Medline數(shù)據(jù)庫2013包含超過兩千萬的生物醫(yī)學(xué)文獻(xiàn)，而到了2015年，包含的醫(yī)學(xué)文獻(xiàn)增加到了二千四百萬。對于研究人員，從如此巨大的數(shù)據(jù)庫中檢索需要的信息所面臨的挑戰(zhàn)可想而知。此外生物醫(yī)學(xué)文獻(xiàn)的特殊性更增加了檢索的難度。例如醫(yī)學(xué)文章中大量使用的的專業(yè)詞和縮寫詞，使得一般的檢索方法在醫(yī)學(xué)文本檢索領(lǐng)域效果很差。
　　本文主要從查詢擴(kuò)展的三種噪聲控制和多標(biāo)簽的標(biāo)注兩方面研

2、究生物醫(yī)學(xué)文本的檢索。論文首先介紹了生物醫(yī)學(xué)研究的發(fā)展及現(xiàn)狀，然后介紹了檢索領(lǐng)域的基本理論和多標(biāo)簽標(biāo)注的基本理論。通過抑制查詢擴(kuò)展技術(shù)中存在的噪聲提高生物醫(yī)學(xué)信息檢索的性能。本文還將CCA用于多標(biāo)簽的標(biāo)注，并利用基于CCA標(biāo)注算法提取醫(yī)學(xué)文獻(xiàn)的MeSH短語，然后將提取的MeSH短語用于查詢擴(kuò)展。
　　本文的主要工作包括：
　　第一，分析了前人在運(yùn)用基于本體的查詢擴(kuò)展方法時得出的不同結(jié)論，得出了查詢擴(kuò)展效果不理想是因為在查詢擴(kuò)

3、展過程中引入了噪聲。
　　第二，針對查詢擴(kuò)展的噪聲問題，提出了三種控制噪聲的方法，并在短語的基礎(chǔ)上提出了基于單詞，基于短語和混合三大檢索模型。實驗結(jié)果表明我們的噪聲控制方法是非常有效的，能夠顯著提高檢索的性能。
　　第三，將CCA方法應(yīng)用到了多標(biāo)簽標(biāo)注領(lǐng)域，對于未知樣本標(biāo)簽的預(yù)測，提出了自己的CCA標(biāo)注方法。通過在多個多標(biāo)簽數(shù)據(jù)集上測試表明，基于CCA的標(biāo)注算法在多個性能指標(biāo)上取得了不錯的效果，并將該標(biāo)注算法應(yīng)用到了醫(yī)學(xué)文本