基于領(lǐng)域本體的生物醫(yī)學(xué)文獻(xiàn)挖掘算法研究及其系統(tǒng)實現(xiàn).pdf

1、隨著生物技術(shù)的迅速發(fā)展，生物醫(yī)學(xué)文獻(xiàn)資源正以指數(shù)速度增長。MEDLINE/PubMed作為世界上公認(rèn)的最具權(quán)威的生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫，收錄了超過2000萬條對應(yīng)目錄。面對如此大規(guī)模的文獻(xiàn)資源，如果僅僅以手動方式查詢跟蹤相應(yīng)主題領(lǐng)域信息是相當(dāng)困難的。因此，對生物醫(yī)學(xué)文獻(xiàn)進行文本挖掘，從海量的文獻(xiàn)中提取相關(guān)知識，已經(jīng)成為近年來研究的熱點之一。本文以生化網(wǎng)絡(luò)為主題并結(jié)合公司實際項目，對生物醫(yī)學(xué)文獻(xiàn)挖掘中的一些關(guān)鍵技術(shù)進行了研究，主要的工作結(jié)果如

2、下:
　　1、針對于傳統(tǒng)檢索人工篩選生物醫(yī)學(xué)文獻(xiàn)中耗時巨大、篩選不完全等不足之處，根據(jù)傳統(tǒng)機器學(xué)習(xí)模型支持向量機(Support Vector Machine，SVM)分類模型，結(jié)合領(lǐng)域本體論（包括基因本體，疾病本體等），提出了針對于生物醫(yī)學(xué)文獻(xiàn)的特定領(lǐng)域改進的SVM算法。實驗證明，該算法相對比傳統(tǒng)的SVM分類算法擁有較高的綜合指數(shù)F1值達(dá)77.23％。
　　2、針對在生物醫(yī)學(xué)文獻(xiàn)中挖掘復(fù)雜臨床表型（病人病癥表現(xiàn)）與致病基因

3、關(guān)聯(lián)需要手動逐一匹配的不足之處，提出了基于標(biāo)準(zhǔn)人類表型本體（Human PhenotypeOntology, HPO）的臨床表型與致病基因自動匹配算法。實驗證明，該算法擁有較快的運行時間（5分鐘處理216個樣本匹配）和較高的效率。
　　3、結(jié)合現(xiàn)有的生物醫(yī)學(xué)領(lǐng)域文本挖掘工具和以上機器學(xué)習(xí)等相關(guān)算法給出綜合性的系統(tǒng)集成方案。該集成系統(tǒng)基于J2EE構(gòu)架，具有較強的健壯性、可移植性和穩(wěn)定性。
　　本文針對生物醫(yī)學(xué)文獻(xiàn)檢索結(jié)果進行分