詞典和機(jī)器學(xué)習(xí)相結(jié)合的生物命名實(shí)體識(shí)別.pdf

1、生物命名實(shí)體識(shí)別(Biomedical name entity recognition，Bio-NER)是在分子生物學(xué)及醫(yī)學(xué)領(lǐng)域?qū)?zhuān)業(yè)詞匯加以確認(rèn)和分類(lèi)，這類(lèi)專(zhuān)業(yè)詞匯包括蛋白質(zhì)、基因、RNA以及他們的活動(dòng)位置，如細(xì)胞線(xiàn)等。當(dāng)前海量的生物醫(yī)學(xué)文獻(xiàn)為文本挖掘技術(shù)提供了用武之地，可以使用該技術(shù)挖掘出海量文獻(xiàn)中蘊(yùn)藏的各種知識(shí)。為了得到基因、蛋白質(zhì)等生物實(shí)體之間的聯(lián)系，首先要在文獻(xiàn)中識(shí)別基因、蛋白質(zhì)等生物實(shí)體。因此生物命名實(shí)體識(shí)別是其他文本挖掘技

2、術(shù)如關(guān)系抽取、假設(shè)生成、文本分類(lèi)的基礎(chǔ)。
　　 現(xiàn)階段生物命名實(shí)體識(shí)別的研究方法大體可以分為基于詞典、基于規(guī)則和基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)三種方法?；谠~典的方法簡(jiǎn)單實(shí)用，但是性能卻限制于詞典的規(guī)模與質(zhì)量?；谝?guī)則的方法取決于規(guī)則的完備性和合理性，缺乏一定的適應(yīng)性?；诮y(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法主要應(yīng)用現(xiàn)有的人工標(biāo)注好的語(yǔ)料在相應(yīng)的統(tǒng)計(jì)機(jī)器學(xué)習(xí)工具下進(jìn)行訓(xùn)練，生成目標(biāo)模型，最后使用該模型去標(biāo)注未知語(yǔ)料。該方法在移植到新的領(lǐng)域或其他自然語(yǔ)言文本時(shí)可

3、以不做或只做較少的改動(dòng)，已成為現(xiàn)階段研究的主流方法。
　　 為了彌補(bǔ)單純基于詞典的方法的缺陷，并結(jié)合統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法的優(yōu)勢(shì)，本文提出了一種基于詞典和機(jī)器學(xué)習(xí)相結(jié)合的生物命名實(shí)體識(shí)別方法?；谏锩麑?shí)體詞典和條件隨機(jī)域(Conditional random fields，CRFs)訓(xùn)練獲得“實(shí)體詞性”(Part OfSpeech-Entity，POS-Entity)標(biāo)注模型，對(duì)未知語(yǔ)料進(jìn)行標(biāo)注獲得“實(shí)體詞性”特征。同時(shí)根據(jù)生物命

4、名實(shí)體的特點(diǎn)提取詞形等特征，結(jié)合上述“實(shí)體詞性”特征基于CRFs訓(xùn)練獲得生物命名實(shí)體識(shí)別模型。為進(jìn)一步提高識(shí)別性能，在“實(shí)體詞性”標(biāo)注階段采取將生物實(shí)體分成不同組別，分別進(jìn)行“實(shí)體詞性”標(biāo)注的分組策略。
　　 基于JNLPBA2004語(yǔ)料集進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明本文提出的基于詞典和機(jī)器學(xué)習(xí)相結(jié)合的方法取得了較好的結(jié)果，在“實(shí)體標(biāo)記”階段應(yīng)用分組策略后綜合分類(lèi)率72.83％。對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行錯(cuò)誤分析，針對(duì)典型錯(cuò)誤進(jìn)行后續(xù)處理后綜合分