面向藥品說明書的醫(yī)療實(shí)體關(guān)系抽取方法研究.pdf

1、實(shí)體關(guān)系抽取是信息抽取領(lǐng)域的一個(gè)分支，是研究從非結(jié)構(gòu)的文本信息抽取結(jié)構(gòu)化信息的課題，利用自然語(yǔ)言處理、機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘等技術(shù)精簡(jiǎn)語(yǔ)義信息，便于用戶檢索和進(jìn)一步應(yīng)用。領(lǐng)域無關(guān)的實(shí)體關(guān)系抽取研究蓬勃發(fā)展并取得不錯(cuò)的成績(jī)，但是對(duì)于醫(yī)療專業(yè)領(lǐng)域的探索卻剛剛起步。
　　藥品說明書作為選用藥品的指南，包含大量的醫(yī)療實(shí)體，抽取其中的醫(yī)療實(shí)體關(guān)系為用藥信息檢索提供了數(shù)據(jù)基礎(chǔ)，對(duì)醫(yī)療行業(yè)有極大的應(yīng)用價(jià)值。本文在總結(jié)了較為完備的關(guān)系體系的背景下，將

2、醫(yī)療實(shí)體關(guān)系抽取看做多分類問題，其中，考慮到指代關(guān)系的特殊性，采用基于指代消解的方法單獨(dú)處理。本文針對(duì)藥品說明書語(yǔ)料，基于有監(jiān)督學(xué)習(xí)方法，采用實(shí)體類別、相對(duì)位置、上下位信息和線索詞信息等特征，分別使用SVM和樸素貝葉斯分類模型預(yù)測(cè)關(guān)系類別，并取得了較為理想的結(jié)果。由于有監(jiān)督學(xué)習(xí)方法需要大量有標(biāo)注的訓(xùn)練樣本，本文針對(duì)這一缺點(diǎn)又基于半監(jiān)督學(xué)習(xí)方法，將不同規(guī)模的少量訓(xùn)練語(yǔ)料作為自訓(xùn)練算法的輸入來進(jìn)行關(guān)系類別預(yù)測(cè)。實(shí)驗(yàn)結(jié)果驗(yàn)證了半監(jiān)督方法在醫(yī)療