基于組合學習和自訓練的生物醫(yī)學事件抽取研究.pdf

1、生物醫(yī)學文獻數(shù)量的急劇增加，使得生物醫(yī)學從業(yè)者在海量生物醫(yī)學文獻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)學信息抽取的熱點的研究課題。生物醫(yī)學事件抽取屬于生物醫(yī)學信息抽取的范疇，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)學事件抽取的研究中，機器學習的方法得到了廣泛的應用。本文在研究過程中主要利用了機器學習的

2、方法對生物醫(yī)學事件進行抽取，涉及到組合學習，模型自訓練以及核方法的機器學習方法。在事件的處理流程上采用了常用的文本預處理、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)則的學習器進行組合學習、使用模型自訓練的方法在觸發(fā)詞檢測階段引入了未標注語料實現(xiàn)半監(jiān)督學習。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)詞進行特征提取進行分類任務，確定候

3、選詞是否為觸發(fā)詞并指定相應的觸發(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)系進行檢測。根據(jù)事件的定義類型將事件分為簡單事件和復雜事件分別進行元素的檢測。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)對進行關(guān)系檢測，來確定事件的元素。
　　本文是在BioNLP'09和BioNL