基于生物醫(yī)學文獻挖掘的化合物與疾病關(guān)系識別.pdf

1、化合物與疾病關(guān)系識別是生物醫(yī)學文獻挖掘中的一項重要任務(wù)，化合物與疾病關(guān)系有助于改善生物醫(yī)學搜索引擎的搜索結(jié)果，縮短藥物研發(fā)周期，減少藥物研發(fā)成本?；衔锱c疾病關(guān)系識別，具體來說分為兩個子任務(wù)——生物醫(yī)學命名實體（以下簡稱為生物名稱）歸一化和化合物與疾病關(guān)系提取。歸一化主要是為了解決生物醫(yī)學文獻中的生物名稱形式多樣、難以確認和歸類的問題，任務(wù)主要目標是將文本中出現(xiàn)的生物名稱匹配到生物醫(yī)學標準概念上，現(xiàn)有解決方法包括字符匹配和關(guān)聯(lián)矩陣學習，

2、其中字符匹配的方法受限于歸一化詞典的覆蓋范圍，而關(guān)聯(lián)矩陣學習的方法對陌生單詞的刻畫能力不足?；衔锱c疾病關(guān)系提取則需要根據(jù)上下文內(nèi)容提取出文本中存在引發(fā)關(guān)系的化合物與疾病，現(xiàn)有方法包括共現(xiàn)頻率統(tǒng)計、規(guī)則匹配和統(tǒng)計機器學習，其中共現(xiàn)頻率統(tǒng)計方法準確率較低，而規(guī)則匹配和統(tǒng)計學習方法則需要人為設(shè)計規(guī)則或特征，耗費人工的同時也可能存在遺漏和偏頗。針對以上任務(wù)，本文的主要工作和貢獻如下:
　　1.基于語義匹配的生物醫(yī)學命名實體歸一化

3、　　本文提出了基于語義匹配的歸一化算法，其主要是依據(jù)上下文相似性來挖掘單詞語義相似性并通過衡量語義相似性來進行匹配。本文首先收集大量無標記的、與生物名稱相關(guān)的上下文并構(gòu)造語義空間的詞向量，然后采用深度學習網(wǎng)絡(luò)來度量生物名稱在語義空間中的距離，設(shè)計了基于排序思想的損失函數(shù)，并使用隨機梯度下降算法對模型進行訓練。計算實驗表明，提出方法在NCBI測試集上取得了85.3％的正確率，優(yōu)于傳統(tǒng)方法。
　　2.基于卷積神經(jīng)網(wǎng)絡(luò)的化合物與疾病關(guān)系