面向生物醫(yī)學(xué)領(lǐng)域的信息抽取關(guān)鍵技術(shù)研究.pdf

1、在當(dāng)今信息技術(shù)以不可阻擋之勢迅猛發(fā)展的時代，公開發(fā)表的生物醫(yī)學(xué)文獻也正在呈現(xiàn)爆炸式的增長態(tài)勢。系統(tǒng)生物學(xué)的研究與發(fā)展又使得揭示生物分子間各層面關(guān)系的需求愈加迫切，促動著面向生物醫(yī)學(xué)領(lǐng)域的信息抽取技術(shù)沿著從生物命名實體識別到關(guān)系抽取，再到更為復(fù)雜的事件抽取的軌跡，由淺入深地不斷發(fā)展。本文以生物醫(yī)學(xué)文獻為數(shù)據(jù)源，圍繞蛋白質(zhì)交互作用關(guān)系(Protein-Protein Interaction，PPI)抽取和生物醫(yī)學(xué)事件抽取的主題任務(wù)展開關(guān)鍵技

2、術(shù)的研究，旨在從海量生物醫(yī)學(xué)文獻中有效提取和組織結(jié)構(gòu)化信息，發(fā)現(xiàn)潛在的知識供生物醫(yī)學(xué)領(lǐng)域研究與應(yīng)用。
　　文中深入分析了PPI抽取和生物醫(yī)學(xué)事件抽取的主要任務(wù)及研究現(xiàn)狀。在PPI抽取任務(wù)中，針對特征重要性差異問題，首先充分發(fā)掘文本中上下文和句子結(jié)構(gòu)與語義信息進行特征選擇和特征提取，運用支持向量機(SVM)分類器建立了基于豐富特征的PPI抽取系統(tǒng)，取得了良好的PPI抽取結(jié)果。而后選取特征核、路徑加權(quán)子序列核和全路徑依存圖核等異構(gòu)核函

3、數(shù)為對象，著重研究每種核函數(shù)的數(shù)據(jù)結(jié)構(gòu)和構(gòu)建方式，提出加權(quán)多核融合算法，使異構(gòu)核之間優(yōu)勢互補，能夠從不同側(cè)面獲取重要的PPI句法和語義信息，有效降低丟失重要特征的風(fēng)險。在生物醫(yī)學(xué)事件抽取任務(wù)中，針對觸發(fā)詞的歧義問題，以事件觸發(fā)詞為核心，運用依存句法分析和深層句法分析器，選擇和提取不同層次的句法和語義特征，構(gòu)建豐富全面且具個性化的特征集，采用LIBSVM多元分類器，提出分治策略建立觸發(fā)詞分類模型，再將分類結(jié)果統(tǒng)一融合，既避免特征缺失，又有

4、效發(fā)揮不同類型特征的作用，力求在事件觸發(fā)詞識別階段獲得良好的系統(tǒng)性能。針對生物醫(yī)學(xué)事件的特征稀疏問題，在事件論元檢測階段提出標(biāo)注語料和未標(biāo)注數(shù)據(jù)相結(jié)合的半監(jiān)督學(xué)習(xí)方法，采用特征耦合泛化等策略生成具有強辨識度的事件論元識別新特征，從而擴展了特征集，建立有效的事件論元檢測模型，取得精細粒度的生物醫(yī)學(xué)事件抽取結(jié)果。
　　在AIMed等多個PPI語料集上的實驗結(jié)果表明加權(quán)多核融合的PPI抽取系統(tǒng)具有良好的抽取能力和泛化能力，達到目前基于機