基于语义和半监督学习的医学文献知识发现

摘要

目前，每年生物医学文献的数量正在呈指数的方式增长，科研人员为了得到好的研究成果，需要查找阅读大量的文献，但如此大规模的文献，给科研人员带来了巨大的困难。同时，现代科学研究分工明确，不同学科之间的交流匮乏，交叉学科的知识往往会被人们忽视，而这些文献中隐含着大量有用的、潜在的信息。Swanson在1986年提出了基于非相关文献的假设发现研究，提出并验证了鱼油可以治疗雷诺氏病的经典案例。随后许多研究人员对假设发现做了大量研究，并取得了大量的研究成果。　　但传统的基于简单共现的方法会产生大量的目标词，导致很难发现有用的假设。本文提出了一种基于语义资源的方法，利用SemRep工具抽取句子内实体之间的关系，结合语义类型、概念的信息量以及关联规则对连接词、目标词进行过滤，并根据统计量信息对目标词进行排序。通过对Swanson发现的经典病例进行验证，实验结果表明该方法取得很好的效果。　　另一方面，由于SemRep工具产生的语义关系准确率召回率(55％)比较低，会丢失文本中大量的关系，并影响最终的发现结果。本文使用基于词特征的核和图核来抽取句子之间的关系，并使用半监督学习Co-training的思想对训练集进行扩充，在句子关系抽取方面相较于SemRep有提高。本文使用以上的关系抽取方法，利用SVM分类器，分别建立了AB、BC两个监督模型，对于不同语义类型的关系分别进行抽取，并与SemRep工具在经典病例上进行对比，实验结果表明该方法取得较好的效果。