基于語(yǔ)義關(guān)系和鏈接分析的疾病知識(shí)提取研究

《基于語(yǔ)義關(guān)系和鏈接分析的疾病知識(shí)提取研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。

1、犬－‘ｉｌｉｉ大愛ＤＡＬＩＡＮＵＮＩＶＥＲＳＩＴＹＯＦＴＥＣｍＯＬＯＧＹ碩士奪位論文ＭＡＳＴＥＲＡＬＤＩＳＳＥＲＴＡＴＩＯＮ基于語(yǔ)義關(guān)系和鏈接分析的疾病知識(shí)提取研究對(duì)斗錢——呀—峽哩５——作者姓名指導(dǎo)教師一—２０１５６答辯日期＿＾＾＿Ｊ＿碩士學(xué)位論文基于語(yǔ)義關(guān)系和鏈接分析的疾病知識(shí)提取研究ＡＲｅｓｅａｒｃｈｏｎＤｉｓｅａｓｅＫｎｏｗｌｅｄｇｅＳｕｍｍａｒｉｚａｔｉｏｎＢａｓｅｄｏｎＳｅｍａｎｔｉｃＲｅｌａｔｉｏｎａｎ

2、ｄＬｉｎｋＡｎａｌｙｓｉｓ作者姓名：吳曉芳學(xué)科、專業(yè)：計(jì)算機(jī)應(yīng)用技術(shù)：２１２０９１８５學(xué)號(hào)指導(dǎo)教師：楊志豪教授完成日期：２０１５年５月４日大遠(yuǎn)理工大摩ＤａｌｉａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ大連理工大學(xué)學(xué)位論文獨(dú)創(chuàng)性聲明作者鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進(jìn)行研究工作所取得的成果。盡我所知，除文中巳經(jīng)注明引用內(nèi)容和致謝的地方外，本論文不包含其他個(gè)人或集體已經(jīng)發(fā)表的研究成果，也不包含其他巳申請(qǐng)學(xué)位或其他用

3、途使用過(guò)的成果一。與我同工作的同志對(duì)本研究所做的貢獻(xiàn)均已在論文中做了明確的說(shuō)明并表示了謝意。若有不實(shí)之處，本人愿意承擔(dān)相關(guān)法律責(zé)任。學(xué)位論文題目：；效孫令巧和談梭秘乾令命作者簽名：曰期：年６月另曰大連理工大學(xué)碩十學(xué)位論文摘要近年來(lái)，生物醫(yī)學(xué)領(lǐng)域的在線文獻(xiàn)數(shù)量呈指數(shù)增長(zhǎng)，大量的文獻(xiàn)查詢費(fèi)時(shí)費(fèi)力，無(wú)法高效地提供給用戶所需的生物醫(yī)學(xué)信息。信息檢索技術(shù)和信息抽取技術(shù)在生物醫(yī)學(xué)領(lǐng)域的應(yīng)用，極大地促進(jìn)了傳統(tǒng)生物醫(yī)學(xué)文獻(xiàn)查詢方式的變革。信息檢索技術(shù)的應(yīng)用為生物醫(yī)學(xué)文獻(xiàn)的搜

4、索提供了便利，例如在線生物醫(yī)學(xué)資源庫(kù)ＰｕｂＭｅｄ，可以根據(jù)輸入的查詢語(yǔ)句檢索到相關(guān)主題的文獻(xiàn)返回給用戶。然而，信息檢索技術(shù)需要給出適當(dāng)?shù)牟樵冊(cè)~，并且查詢后返回的文獻(xiàn)依然很多一。信息抽取技術(shù)在定程度上解決了文獻(xiàn)閱讀數(shù)量巨大的問(wèn)題，對(duì)特定主題進(jìn)行信息提取，給用戶提供文獻(xiàn)的文本摘要。本文基于語(yǔ)義網(wǎng)絡(luò)，利用信息抽取技術(shù)對(duì)生物醫(yī)學(xué)文獻(xiàn)進(jìn)行知識(shí)提取，并以網(wǎng)絡(luò)圖的形式將特定主題提取得到的語(yǔ)義知識(shí)網(wǎng)絡(luò)呈現(xiàn)出來(lái)。本文基于顯著信息提取算法，從疾病相關(guān)的語(yǔ)義網(wǎng)絡(luò)數(shù)據(jù)集中抽取與疾病相關(guān)的基因、藥物以及基

5、因和藥物之間的關(guān)系。顯著信息提取算法得到疾病相關(guān)的單層語(yǔ)義網(wǎng)絡(luò)提取結(jié)果，并實(shí)現(xiàn)了疾病知識(shí)提取可視化系統(tǒng)。本文在顯著信息提取算法啟發(fā)下提出了一種基于鏈接分析的深層知識(shí)提取方法。實(shí)一驗(yàn)應(yīng)用種新的顯著信息提取算法ＫＭ，對(duì)特定疾病的基因數(shù)據(jù)集中的語(yǔ)義類型和關(guān)系謂詞進(jìn)行提取，得到與主題直接相關(guān)的基因。顯著信息提取算法得到的疾病和基因的提一取結(jié)果作為第層關(guān)系，利用深度搜索得到疾病與基因之間的深層關(guān)系，并通過(guò)隨機(jī)游走ＲＲＷ的轉(zhuǎn)移概率矩陣對(duì)深層關(guān)系網(wǎng)絡(luò)進(jìn)行過(guò)濾，最終得到疾病知識(shí)網(wǎng)絡(luò)可視化呈現(xiàn)。基

6、于鏈接分析的深層知識(shí)提取方法在三種疾病數(shù)據(jù)上進(jìn)行了推廣和應(yīng)用。實(shí)驗(yàn)結(jié)果表明一，該方法在疾病知識(shí)提取方面具有定的有效性和普適性。生物醫(yī)學(xué)語(yǔ)義網(wǎng)絡(luò)知識(shí)提取，能夠有效地提煉跟特定生物醫(yī)學(xué)主題相關(guān)的重要信一息。本文的實(shí)驗(yàn)方法對(duì)比Ｃｏｍｂｏ生物醫(yī)學(xué)信息提取算法有定提高，并在多個(gè)疾病語(yǔ)料集上進(jìn)行了驗(yàn)證，能夠有效地提高生物醫(yī)學(xué)知識(shí)的獲取效率。關(guān)鍵詞：信息抽??；語(yǔ)義網(wǎng)絡(luò)；顯著信息提取算法；深度搜索；隨機(jī)游走ＲＲＷ－－１基于語(yǔ)義關(guān)系和鏈接分析的疾病知識(shí)提取研究ＡＲｅｓｅａｒｃｈｏｎ

7、ＤｉｓｅａｓｅＫｎｏｗｌｅｄｅＳｕｍｍａｒｉｚａｔｉｏｎＢａｓｅｄｏｎｇＳｅｍａｎｔｉｃＲｅｌａｔｉｏｎａｎｄＬｉｎｋＡｎａｌｙｓｉｓＡｂｓｔｒａｃｔＢｉｏｍｅｄｉｃａｌｌｉｔｅｒａｔｕｒｅｉｓｇｒｏｗｉｎｇｒａｐｉｄｌｙｉｎｒｅｃｅｎｔｄｅｃａｄｅｓ．Ｔｈｅｃｏｎｔｉｎｕｅｄｇｒｏｗｔｈｏｆｂｉｏｍｅｄｉｃａｌｌｉｔｅｒａｔｕｒｅｂｒｉｎｓｒｅａｔｃｈａｌｌｅｎｅｓｔｏｔｒａｄｉｔｉｏｎａｌｉｎｆｏｒｍａｔｉｏｎｓｅａｒｃｈｉｎｆｒｏｍ

8、ｔｅｘｔｓ．ｇｇｇｇＩｎｆｏｒｍａｔｉｏｎｒｅｔｒｉｅｖａｌａｎｄｉｎｆｏｒｍａｔｉｏｎｅｘｔｒａｃｔｉｏｎｇｒｅａｔｌｙｐｒｏｍｏｔｅｔｈｅｔｒａｎｓｆｏｒｍａｔｉｏｎｏｆｔｒａｄｉｔｉｏｎａｌｂｉｏｍｅｄｉｃａｌｌｉｔｅｒａｔｕｒｅｒｅｓｅａｒｃｈ．Ｂｉｏｍｅｄｉｃａｌｉｎｆｏｒｍａｔｉｏｎｒｅｔｒｉｅｖａｌｐｒｏｖｉｄｅｓａｃｏｎｖｅｎｉｅｎｔｗａｙｗｈ