基于生物医学文献的隐含知识发现方法研究

In the huge biomedical literature storages represented by MEDLINE, vast hidden biomedical knowledge is remaining undiscovered in the large amount of data, which offeres an excellent opportunity for the discovery of these knowledge by applying text mining technologies.Based on biomedical entity recognition and name normalization, utlizing the biomedical resources such as UMLS, MESH, GO, UniProt, DrugBank, KEGG Database,etc., our project constructs the text reprsentatives of biomedical concept space and Latent Semantic space based on Probabilistic Latent Semantic Index for the biomedical literature in MEDLINE; detects the occurrence of biomedical concepts based on information extraction and passage retrieval technologies; introduces the supervised learning method and choose rich features including Latent Semantic and biomedical semantic relation similarity, global corpus and infromation extraction statistical information to evaluate the correlation between biomedical concepts and finally achieves the hidden knowledge in the literature. Our project also implements the visualization of the hidden knowledge discovery process and establishes the platform of valuable hidden knowledge discovery based on biomedical literature.

以MEDLINE为代表的海量生物医学文献资源中，存在大量的蕴含于公开发表的文献，而尚未被人们认知的隐含知识。采用文本挖掘技术从这座宝库有效的提取隐含生物医学知识的需求变得非常迫切。本项目以MEDLINE的生物医学文献为主要数据源，在生物实体识别和名称标准化的基础上，利用UMLS、MeSH、GO、UniProt、DrugBank、KEGG Database等生物医学资源，建立基于生物医学概念的概念空间和基于概率潜在语义索引的潜在语义空间表示；利用信息抽取和段落检索技术进行医学概念共现识别；引入监督学习方法，选取包含潜在语义空间相似度、医学语义关联度和全局语料库统计量以及信息抽取的统计特征等多种特征来综合评定概念间的相关度量，最终获得生物医学文献中的隐含知识。此外，本项目将实现挖掘知识的可视化，建立具有实用价值的生物医学文献隐含知识发现平台。

以MEDLINE 为代表的海量生物医学文献资源中，存在大量的蕴含于公开发表的文献，而尚未被人们认知的隐含知识。采用文本挖掘技术从这座宝库有效的提取隐含生物医学知识的需求变得非常迫切。本项目以MEDLINE 生物医学文献为主要数据源，基于特征耦合泛化（FCG）、深度学习方法实现生物实体识别；基于生物医学领域知识的语义消歧实现名称标准化；利用基于深度学习的信息抽取进行医学概念共现识别；引入监督学习方法，选取包含潜在语义空间相似度、医学语义关联度和全局语料库统计量以及信息抽取的统计特征等多种特征来综合评定概念间的相关度量，最终获得生物医学文献中的隐含知识；在闭合式隐含知识发现方面，提出了逻辑主题路径的方法，通过文本主题间的逻辑关系进行文本的过滤，然后在逻辑相关的文本中对候选的治疗机制进行打分排名，进而对药物治疗关系做出合理的解释。基于以上技术，本项目已建立具有实用价值的生物医学文献隐含知识发现平台。