面向生物医学领域的文本挖掘技术研究与应用

以MEDLINE的生物医学文献为主要数据源，利用改进的编辑距离和隐马尔可夫链、条件随机域等机器学习方法，完成基因、蛋白质等的实体名字识别，进而挖掘基因、蛋白质、疾病和药物之间的相互关系，以此进行生物医学领域的假设发现，建立具有实用价值的生物医学知识发现系统。面向具体生物医学应用领域，综合利用MeSH（医学主题词）、UMLS（统一医学语言系统）和GO（基因本体）以及相应的中文生物医学主题词资源，利用基于实例的机器学习和潜在语义分析技术，建立中文生物医学文本的概念标注和信息抽取机制，将中英文相关文本统一在相同的语义视图之下，在此基础上构造双语生物医学文本的交叉挖掘模型。同时对于生物医学领域中知识模式的挖掘、检索和评价机制进行深入的研究，从而建立面向生物医学领域的跨语言文本挖掘平台。