基于組合學(xué)習(xí)和自訓(xùn)練的生物醫(yī)學(xué)事件抽取研究.pdf

1、生物醫(yī)學(xué)文獻(xiàn)數(shù)量的急劇增加，使得生物醫(yī)學(xué)從業(yè)者在海量生物醫(yī)學(xué)文獻(xiàn)中快速地獲取大量的感興趣的信息變得困難。因此，快速有效地從海量無結(jié)構(gòu)化的文本中抽取出便于管理、查詢的結(jié)構(gòu)化信息成為生物醫(yī)學(xué)信息抽取的熱點(diǎn)的研究課題。生物醫(yī)學(xué)事件抽取屬于生物醫(yī)學(xué)信息抽取的范疇，旨在從分子層面在無結(jié)構(gòu)化的文本信息中抽取出有蛋白質(zhì)有關(guān)的結(jié)構(gòu)化生物事件信息。
　　在生物醫(yī)學(xué)事件抽取的研究中，機(jī)器學(xué)習(xí)的方法得到了廣泛的應(yīng)用。本文在研究過程中主要利用了機(jī)器學(xué)習(xí)的

2、方法對生物醫(yī)學(xué)事件進(jìn)行抽取，涉及到組合學(xué)習(xí)，模型自訓(xùn)練以及核方法的機(jī)器學(xué)習(xí)方法。在事件的處理流程上采用了常用的文本預(yù)處理、事件觸發(fā)詞檢測、事件元素識別以及整體后處理的步驟。本文在生物醫(yī)學(xué)事件觸發(fā)詞檢測的階段采用了基于不同決策規(guī)則的學(xué)習(xí)器進(jìn)行組合學(xué)習(xí)、使用模型自訓(xùn)練的方法在觸發(fā)詞檢測階段引入了未標(biāo)注語料實(shí)現(xiàn)半監(jiān)督學(xué)習(xí)。在觸發(fā)詞的檢測過程中，采用了建立觸發(fā)詞字典來判斷文檔中詞是否為候選觸發(fā)詞，對所選候選觸發(fā)詞進(jìn)行特征提取進(jìn)行分類任務(wù)，確定候

3、選詞是否為觸發(fā)詞并指定相應(yīng)的觸發(fā)詞類型。在事件元素檢測的階段，構(gòu)造觸發(fā)詞和蛋白質(zhì)關(guān)系對，借鑒蛋白質(zhì)交互關(guān)系抽取的方法對觸發(fā)詞蛋白質(zhì)對之間的關(guān)系進(jìn)行檢測。根據(jù)事件的定義類型將事件分為簡單事件和復(fù)雜事件分別進(jìn)行元素的檢測。在簡單事件中直接鑒定觸發(fā)詞蛋白質(zhì)的關(guān)系，在復(fù)雜事件中采用了先鑒定是否存在關(guān)系再鑒定存在哪一種關(guān)系的方法。最終采用核函數(shù)的方法對觸發(fā)詞蛋白質(zhì)對進(jìn)行關(guān)系檢測，來確定事件的元素。
　　本文是在BioNLP'09和BioNL