生物醫(yī)學(xué)文本中指代消解的研究.pdf

1、目前，生物醫(yī)學(xué)文獻(xiàn)正呈指數(shù)級(jí)別增長(zhǎng)，其中存儲(chǔ)著豐富的知識(shí)，對(duì)生物醫(yī)學(xué)的科研、教學(xué)和實(shí)踐，疾病的診斷、預(yù)防和治療，新藥的研制都起著至關(guān)重要的作用。因此，從這些海量的文獻(xiàn)中高效地獲取真正有價(jià)值的信息，成為人們?nèi)找骊P(guān)注的問(wèn)題。而指代消解任務(wù)正是實(shí)現(xiàn)獲取有價(jià)值信息的基礎(chǔ)，很大程度上，影響了信息抽取的性能。
　　本文針對(duì)生物醫(yī)學(xué)文本中的指代現(xiàn)象進(jìn)行研究，根據(jù)系統(tǒng)框架，分為兩個(gè)步驟。第一步抽取出開(kāi)發(fā)集語(yǔ)料中的候選照應(yīng)語(yǔ)和先行詞。抽取性能的好壞

2、直接影響到下一步消解的效果。針對(duì)代詞照應(yīng)語(yǔ)和名詞短語(yǔ)照應(yīng)語(yǔ)，分別采用不同的規(guī)則進(jìn)行抽取。對(duì)于代詞照應(yīng)語(yǔ)，構(gòu)建代詞列表，抽取出代詞列表中的所有代詞;針對(duì)代詞“that”和“it”，分別根據(jù)Enju解析器的結(jié)果和規(guī)則進(jìn)行過(guò)濾，極大地提高了代詞照應(yīng)語(yǔ)識(shí)別的精確率。同樣地，對(duì)于名詞短語(yǔ)照應(yīng)語(yǔ)，使用規(guī)則進(jìn)行抽取和過(guò)濾。第二步對(duì)照應(yīng)語(yǔ)進(jìn)行消解，采用兩種方法:單純的機(jī)器學(xué)習(xí)方法和融合的方法。在第一種方法中，并沒(méi)有直接使用通用領(lǐng)域指代消解機(jī)器學(xué)習(xí)方法中

3、使用的特征，而是根據(jù)生物醫(yī)學(xué)領(lǐng)域指代消解的特點(diǎn)，針對(duì)代詞和名詞短語(yǔ)照應(yīng)語(yǔ)分別進(jìn)行特征選擇。最終對(duì)所有照應(yīng)語(yǔ)消解的結(jié)果為49.36％F值，比現(xiàn)有的采用單純機(jī)器學(xué)習(xí)方法的F值提高了10.06％。實(shí)驗(yàn)結(jié)果說(shuō)明，針對(duì)不同照應(yīng)語(yǔ)類型，分別進(jìn)行特征選擇的機(jī)器學(xué)習(xí)方法是有效的。為了進(jìn)一步提高系統(tǒng)的性能，本文又采用融合的方法進(jìn)行實(shí)驗(yàn)，針對(duì)不同的照應(yīng)語(yǔ)類型（關(guān)系代詞、非關(guān)系代詞和名詞短語(yǔ)）采用不同的消解方法。對(duì)關(guān)系代詞的消解，采用機(jī)器學(xué)習(xí)與規(guī)則相結(jié)合的方

4、法。對(duì)非關(guān)系代詞的消解，為了克服將非關(guān)系代詞劃分過(guò)細(xì)，導(dǎo)致對(duì)指示與不定代詞采用機(jī)器學(xué)習(xí)方法中數(shù)據(jù)的稀疏問(wèn)題，以及對(duì)人稱代詞消解采用基于樹(shù)核的機(jī)器學(xué)習(xí)方法中，未考慮詞法信息的缺陷，本文將人稱代詞和指示與不定代詞合并起來(lái)采用基于規(guī)則的方法進(jìn)行消解。對(duì)名詞短語(yǔ)的消解，采用基于規(guī)則的方法。在BioNLP2011開(kāi)發(fā)集語(yǔ)料上進(jìn)行實(shí)驗(yàn)，對(duì)非關(guān)系代詞的消解結(jié)果比目前最好的消解結(jié)果有了明顯的提高，總體消解的F值比目前最好的結(jié)果提高了1.21％。說(shuō)明本文