生物醫(yī)學(xué)領(lǐng)域的信息抽取與復(fù)合物識別研究.pdf

1、生物醫(yī)學(xué)文獻(xiàn)是學(xué)術(shù)成果展示和學(xué)術(shù)交流最主要的方式。目前，海量的生物醫(yī)學(xué)文獻(xiàn)已經(jīng)成為一座巨大的知識寶庫，是最重要的生物醫(yī)學(xué)領(lǐng)域資源。生物醫(yī)學(xué)信息抽取是指針對生物醫(yī)學(xué)領(lǐng)域需求，將自然語言處理以及計算語言學(xué)的方法和技術(shù)，應(yīng)用于生物醫(yī)學(xué)文獻(xiàn)，高效、準(zhǔn)確地抽取特定的生物醫(yī)學(xué)知識。生物醫(yī)學(xué)信息抽取及其相關(guān)研究能夠?qū)ι镝t(yī)學(xué)研究者的研究工作提供多方面的幫助，對于生命科學(xué)各領(lǐng)域的研究具有廣泛的應(yīng)用價值。生物醫(yī)學(xué)實(shí)體關(guān)系抽取和生物醫(yī)學(xué)事件抽取是目前生物醫(yī)

2、學(xué)信息抽取研究重要的研究內(nèi)容。本文在前人的研究基礎(chǔ)上，針對生物醫(yī)學(xué)實(shí)體關(guān)系抽取和生物醫(yī)學(xué)事件觸發(fā)詞識別進(jìn)行了相關(guān)研究。
　　蛋白質(zhì)復(fù)合物的結(jié)構(gòu)和功能是探索各種生命活動機(jī)理的基礎(chǔ)，重要的蛋白質(zhì)復(fù)合物功能機(jī)理的闡明能夠為其所在研究領(lǐng)域帶來巨大突破。蛋白質(zhì)復(fù)合物識別是蛋白質(zhì)復(fù)合物研究的第一步，也是蛋白質(zhì)組學(xué)及其相關(guān)研究的重要基礎(chǔ)。本文針對蛋白質(zhì)復(fù)合物識別問題，從挖掘并整合生物醫(yī)學(xué)多元領(lǐng)域知識入手，將生物醫(yī)學(xué)信息抽取技術(shù)應(yīng)用于復(fù)合物識別研

3、究中，提高蛋白質(zhì)復(fù)合物識別的準(zhǔn)確性。
　　本文主要研究工作包括以下三方面:
　　針對生物醫(yī)學(xué)實(shí)體關(guān)系抽取問題，將基于圖的哈希操作理論引入到圖核理論框架中，提出了哈希子圖對（Hash Subgraph pairwise，HSP）圖核方法。HSP圖核方法能夠使用哈希操作，高效地將句法依存圖中復(fù)雜的句法特征轉(zhuǎn)化為層級哈希標(biāo)簽，圖核函數(shù)基于層級哈希標(biāo)簽?zāi)軌驅(qū)⒕浞ㄒ来鎴D上的句法信息映射到高維的子圖對特征空間。HSP圖核不僅能夠更充分地

4、挖掘并利用句法依存圖中的復(fù)雜句法特征，并且能夠利用哈希操作并行的特性，有效地控制了方法的時間復(fù)雜度。
　　針對生物醫(yī)學(xué)事件觸發(fā)詞識別問題，提出了基于豐富特征的觸發(fā)詞識別方法，該方法使用哈希操作將句法依存圖中的句法信息轉(zhuǎn)換為哈希特征，并將哈希特征與基本詞法特征整合為豐富特征。哈希特征是基于句法依存圖，使用哈希操作構(gòu)造出來的句法特征，能夠全面、充分地挖掘句法依存圖中的句法結(jié)構(gòu)信息;而基本詞法特征涵蓋了句子重要的詞法信息。哈希句法特征與

5、基本詞法特征具有很強(qiáng)的互補(bǔ)性，而且對于事件觸發(fā)詞識別任務(wù)都具有重要的辨識作用，因此基于豐富特征的觸發(fā)詞識別方法能夠有效提高生物醫(yī)學(xué)事件觸發(fā)詞識別的性能。
　　針對蛋白質(zhì)復(fù)合物識別任務(wù)，首先使用生物醫(yī)學(xué)實(shí)體關(guān)系抽取方法，高效地從海量生物醫(yī)學(xué)文獻(xiàn)中抽取相關(guān)的蛋白質(zhì)相互作用關(guān)系(Protein Protein Interaction，PPI)數(shù)據(jù)。在此基礎(chǔ)上，基于屬性圖理論，構(gòu)建蛋白質(zhì)屬性網(wǎng)絡(luò)，整合高通量PPI數(shù)據(jù)、生物醫(yī)學(xué)文獻(xiàn)PPI數(shù)