基于概念的生物信息檢索研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)和科技的日益進步，網(wǎng)絡(luò)信息不斷遞增，生物信息這類專業(yè)性文本持續(xù)增大。如何從這些海量專業(yè)性文本信息獲取所需的知識成為了近年來學(xué)者專家的研究熱點。
　　 由于生物信息包含很多專業(yè)性問題，涉及到生物詞匯縮寫，異物同名詞，同物異名詞等，傳統(tǒng)的詞頻模型不能很好地解決這些問題。生物信息學(xué)的發(fā)展，使得很多資源被整合成專門的生物信息詞典，這些詞典包含了許多的語義信息。目前，許多學(xué)者嘗試?yán)谜Z義信息進行生物信息檢索，將概念及本體等語

2、義知識融入檢索模型。
　　 為了識別出專業(yè)的術(shù)語以提高生物信息檢索的精度，本文采用了基于語義的方法，利用概念并結(jié)合自然語言處理的相關(guān)技術(shù)，對生物信息檢索技術(shù)做了一些研究。所做的主要工作包括以下幾個方面：
　　 第一，由于生物文本的信息量過大，把文本中的概念提取出來，用于表示文本，可以壓縮文本的規(guī)模。本文利用生物信息學(xué)的專有詞典來進行概念抽取。由于在生物文本中次要詞語經(jīng)常被作者忽略或者添加進去，這樣精確字典匹配會造成大量的

3、不匹配現(xiàn)象，所以本文采用了近似字典匹配的方法來解決這個問題，其基本思想是通過概念中重要的詞語而不是所有的詞語來識別概念。
　　 第二，概念抽取完之后，有的詞語會被轉(zhuǎn)換成兩個或者多個概念，這樣便造成了歧義，本文采用最大熵模型消歧，認(rèn)為這些詞語所轉(zhuǎn)化的多個概念有均等的出現(xiàn)概率。為了驗證該消歧方法的有效性，完成一個對比實驗，該實驗直接選取所抽取到得第一個概念來代表該詞語。通過對比實驗發(fā)現(xiàn)最大熵模型的平均準(zhǔn)確率比沒有消歧的方法提高了6．