基于醫(yī)學領域本體的語義相似度算法研究.pdf

1、隨著信息科學和計算機技術的發(fā)展，電子化醫(yī)療數(shù)據(jù)的迅速增加，電子病歷和大量的醫(yī)療和科研文件已經(jīng)成為臨床研究重要的數(shù)據(jù)資源。然而這些數(shù)據(jù)大部分都是以未經(jīng)處理或者以異構的文本格式來存儲的。正確的理解文本數(shù)據(jù)的內(nèi)容需要整合結構化和異構的臨床資源、醫(yī)療記錄和科技文獻。概念之間的語義相似性評估是理解文本數(shù)據(jù)的重要組成部分，能夠有效地促進了文本資源的加工、分類和結構化處理。
　　 理解文本信息最重要的就是如何決定詞匯之間的語義相似性。語義相似

2、性已經(jīng)成功應用到了許多自然語言的處理當中，例如詞義消歧、文檔分類和聚類、詞匯拼寫錯誤的自動偵測和改正、本體學習和信息檢索當中等。在醫(yī)學領域，相似性計算可以提高對醫(yī)療資源的信息檢索的準確度，并且可以有效地促進對異構臨床數(shù)據(jù)的集成。語義相似度是計算詞匯之間的相似性，即概念分類的接近程度。例如，支氣管炎和流感具有相似性，那是因為它們都是由于呼吸系統(tǒng)紊亂造成的。然而，詞匯間也可以以非分類的方式相關聯(lián)，例如利尿劑有助于治療高血壓，即語義相關度。語

3、義相似度和語義相關度都是基于對存在于本體或者領域語料庫中語義實例的評估。根據(jù)所采用的領域知識，可分為:基于本體分類結構的語義相似度算法、基于概念的信息內(nèi)容的語義相似度算法和基于上下文矢量的語義相關度算法。
　　 本文首先回顧和分析了常用的語義相似度和語義相關度算法，根據(jù)預期的準確性、計算復雜性、對知識資源的依賴性等關鍵參數(shù)，來分析每種算法的優(yōu)勢和局限性。其中，基于本體分類結構的語義相似性算法不依賴于對具體語料庫和數(shù)據(jù)的人工預處理

4、，然而它所呈現(xiàn)出的一些限制妨礙了其準確性。研究根據(jù)概念的信息內(nèi)容來重新定義了基于本體分類結構的語義相似度算法，該算法克服了基于語料庫信息內(nèi)容(IC)計算模型的限制，并且保留了基于本體模型的有效性和擴展性，從而提高了評估的準確性。此外，重定義的相似度算法可以直接應用到語義環(huán)境下和醫(yī)學領域當中。
　　 然后，研究提出了一種基于比較概念的所有分類知識的語義相似度算法。該算法保留了基于路徑算法的簡單性，并且盡可能地考慮到概念所有可用的分

5、類實例。由于該算法僅是基于本體結構的，在不依賴于數(shù)據(jù)適用性和數(shù)據(jù)預處理的情況下，通過采用額外的語義實例，進而能提供概念之間準確的相似性評估結果。與此同時，保持了較低的計算復雜度和避免了基于路徑算法的一些限制。實驗通過使用SNOMED CT作為輸入本體，根據(jù)一個醫(yī)學術語的評估標準來評估和比較這些算法的準確性。
　　 研究過程中還試圖通過分析一些其他基于本體知識的語義相似度算法，例如基于屬性的語義相似度或相關度算法和混合式語義相似度