基于機(jī)器學(xué)習(xí)的藥名實體識別及藥物關(guān)系抽取.pdf

1、隨著知識的不斷發(fā)展，制藥工業(yè)也成為了以知識為基礎(chǔ)的學(xué)科。在藥物的生產(chǎn)過程中，科學(xué)家們需要獲取相關(guān)的信息和知識?，F(xiàn)在與藥相關(guān)的研究呈爆炸式增長，新藥層出不窮，已經(jīng)遠(yuǎn)遠(yuǎn)超出了科學(xué)家手工獲取知識的能力。盡管有一些信息是結(jié)構(gòu)化存儲的，但是大量的有價值的信息還是以非結(jié)構(gòu)化自然語言的形式存在的。生物命名實體識別的直接目的是從非結(jié)構(gòu)化的生物信息中識別出指定類型的名稱，它是信息抽取、機(jī)器翻譯、信息檢索和自動問答等多種自然語言處理技術(shù)的重要基礎(chǔ)。藥物命名

2、實體識別就是從非結(jié)構(gòu)化的醫(yī)學(xué)信息中查找出藥名，找出藥名之后我們可以繼續(xù)判斷兩個藥物之間是否存在一些關(guān)系。眾所周知，在中國的復(fù)方藥里面，經(jīng)常是好幾種藥一起服用，這樣可以同時治療幾種癥狀。但是藥與藥之間存在著一些交互關(guān)系，這些交互關(guān)系有可能是促進(jìn)的作用，使病好的更快，但也有一些是副作用，在治療病的同時也帶來了其他的不適。這樣如果兩種藥同時服用會產(chǎn)生副作用，那么醫(yī)生就應(yīng)該避免將這兩種藥開在一個藥方中。所以目前藥物與藥物之間的交互關(guān)系抽取也成為

3、一個熱門的研究課題。
　　本文首先介紹了相關(guān)的命名實體識別技術(shù)、研究概況、比較經(jīng)典的生物命名實體識別方法以及其存在的問題等。本文提出了一種監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)相結(jié)合的方法進(jìn)行命名實體識別。雖然生物命名實體識別方面的研究比較多，但主要集中在蛋白質(zhì)、基因等方面，藥物命名實體識別是一個比較新的課題。藥名實體識別之后，我們的下一步工作就是判斷出兩個藥物之間是否存在關(guān)系。接下來本論文介紹了關(guān)系抽取的研究概況及目前比較好的一些方法。然后提出了

4、一種多核融合的方法，該方法不僅僅融合了3種核，而且還引入了領(lǐng)域相關(guān)知識，用到了藥物數(shù)據(jù)庫DRUGBANK中的一些信息。本文中我們主要是判斷兩個藥名之間是否存在關(guān)系，并沒有將關(guān)系再進(jìn)行分類。
　　在藥名實體識別的研究中，我們首先用外部資源DRUGBANK和PUBMED結(jié)合模板匹配的方法構(gòu)造了一個藥名詞典，然后用一種半監(jiān)督學(xué)習(xí)方法-特征耦合泛化(FCG)對構(gòu)造的詞典進(jìn)行去噪，最后再將詞典查找方法和監(jiān)督學(xué)習(xí)方法條件隨機(jī)場(CRF)進(jìn)行融