基于醫(yī)學(xué)領(lǐng)域本體的語(yǔ)義相似度算法研究.pdf

1、隨著信息科學(xué)和計(jì)算機(jī)技術(shù)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(gòu)的文本格式來(lái)存儲(chǔ)的。正確的理解文本數(shù)據(jù)的內(nèi)容需要整合結(jié)構(gòu)化和異構(gòu)的臨床資源、醫(yī)療記錄和科技文獻(xiàn)。概念之間的語(yǔ)義相似性評(píng)估是理解文本數(shù)據(jù)的重要組成部分，能夠有效地促進(jìn)了文本資源的加工、分類(lèi)和結(jié)構(gòu)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(yǔ)義相似性。語(yǔ)義相似

2、性已經(jīng)成功應(yīng)用到了許多自然語(yǔ)言的處理當(dāng)中，例如詞義消歧、文檔分類(lèi)和聚類(lèi)、詞匯拼寫(xiě)錯(cuò)誤的自動(dòng)偵測(cè)和改正、本體學(xué)習(xí)和信息檢索當(dāng)中等。在醫(yī)學(xué)領(lǐng)域，相似性計(jì)算可以提高對(duì)醫(yī)療資源的信息檢索的準(zhǔn)確度，并且可以有效地促進(jìn)對(duì)異構(gòu)臨床數(shù)據(jù)的集成。語(yǔ)義相似度是計(jì)算詞匯之間的相似性，即概念分類(lèi)的接近程度。例如，支氣管炎和流感具有相似性，那是因?yàn)樗鼈兌际怯捎诤粑到y(tǒng)紊亂造成的。然而，詞匯間也可以以非分類(lèi)的方式相關(guān)聯(lián)，例如利尿劑有助于治療高血壓，即語(yǔ)義相關(guān)度。語(yǔ)

3、義相似度和語(yǔ)義相關(guān)度都是基于對(duì)存在于本體或者領(lǐng)域語(yǔ)料庫(kù)中語(yǔ)義實(shí)例的評(píng)估。根據(jù)所采用的領(lǐng)域知識(shí)，可分為:基于本體分類(lèi)結(jié)構(gòu)的語(yǔ)義相似度算法、基于概念的信息內(nèi)容的語(yǔ)義相似度算法和基于上下文矢量的語(yǔ)義相關(guān)度算法。
　　 本文首先回顧和分析了常用的語(yǔ)義相似度和語(yǔ)義相關(guān)度算法，根據(jù)預(yù)期的準(zhǔn)確性、計(jì)算復(fù)雜性、對(duì)知識(shí)資源的依賴性等關(guān)鍵參數(shù)，來(lái)分析每種算法的優(yōu)勢(shì)和局限性。其中，基于本體分類(lèi)結(jié)構(gòu)的語(yǔ)義相似性算法不依賴于對(duì)具體語(yǔ)料庫(kù)和數(shù)據(jù)的人工預(yù)處理

4、，然而它所呈現(xiàn)出的一些限制妨礙了其準(zhǔn)確性。研究根據(jù)概念的信息內(nèi)容來(lái)重新定義了基于本體分類(lèi)結(jié)構(gòu)的語(yǔ)義相似度算法，該算法克服了基于語(yǔ)料庫(kù)信息內(nèi)容(IC)計(jì)算模型的限制，并且保留了基于本體模型的有效性和擴(kuò)展性，從而提高了評(píng)估的準(zhǔn)確性。此外，重定義的相似度算法可以直接應(yīng)用到語(yǔ)義環(huán)境下和醫(yī)學(xué)領(lǐng)域當(dāng)中。
　　 然后，研究提出了一種基于比較概念的所有分類(lèi)知識(shí)的語(yǔ)義相似度算法。該算法保留了基于路徑算法的簡(jiǎn)單性，并且盡可能地考慮到概念所有可用的分

5、類(lèi)實(shí)例。由于該算法僅是基于本體結(jié)構(gòu)的，在不依賴于數(shù)據(jù)適用性和數(shù)據(jù)預(yù)處理的情況下，通過(guò)采用額外的語(yǔ)義實(shí)例，進(jìn)而能提供概念之間準(zhǔn)確的相似性評(píng)估結(jié)果。與此同時(shí)，保持了較低的計(jì)算復(fù)雜度和避免了基于路徑算法的一些限制。實(shí)驗(yàn)通過(guò)使用SNOMED CT作為輸入本體，根據(jù)一個(gè)醫(yī)學(xué)術(shù)語(yǔ)的評(píng)估標(biāo)準(zhǔn)來(lái)評(píng)估和比較這些算法的準(zhǔn)確性。
　　 研究過(guò)程中還試圖通過(guò)分析一些其他基于本體知識(shí)的語(yǔ)義相似度算法，例如基于屬性的語(yǔ)義相似度或相關(guān)度算法和混合式語(yǔ)義相似度