基于概念的生物信息檢索研究.pdf

1、隨著互聯(lián)網(wǎng)技術(shù)和科技的日益進(jìn)步，網(wǎng)絡(luò)信息不斷遞增，生物信息這類(lèi)專(zhuān)業(yè)性文本持續(xù)增大。如何從這些海量專(zhuān)業(yè)性文本信息獲取所需的知識(shí)成為了近年來(lái)學(xué)者專(zhuān)家的研究熱點(diǎn)。
　　 由于生物信息包含很多專(zhuān)業(yè)性問(wèn)題，涉及到生物詞匯縮寫(xiě)，異物同名詞，同物異名詞等，傳統(tǒng)的詞頻模型不能很好地解決這些問(wèn)題。生物信息學(xué)的發(fā)展，使得很多資源被整合成專(zhuān)門(mén)的生物信息詞典，這些詞典包含了許多的語(yǔ)義信息。目前，許多學(xué)者嘗試?yán)谜Z(yǔ)義信息進(jìn)行生物信息檢索，將概念及本體等語(yǔ)

2、義知識(shí)融入檢索模型。
　　 為了識(shí)別出專(zhuān)業(yè)的術(shù)語(yǔ)以提高生物信息檢索的精度，本文采用了基于語(yǔ)義的方法，利用概念并結(jié)合自然語(yǔ)言處理的相關(guān)技術(shù)，對(duì)生物信息檢索技術(shù)做了一些研究。所做的主要工作包括以下幾個(gè)方面：
　　 第一，由于生物文本的信息量過(guò)大，把文本中的概念提取出來(lái)，用于表示文本，可以壓縮文本的規(guī)模。本文利用生物信息學(xué)的專(zhuān)有詞典來(lái)進(jìn)行概念抽取。由于在生物文本中次要詞語(yǔ)經(jīng)常被作者忽略或者添加進(jìn)去，這樣精確字典匹配會(huì)造成大量的

3、不匹配現(xiàn)象，所以本文采用了近似字典匹配的方法來(lái)解決這個(gè)問(wèn)題，其基本思想是通過(guò)概念中重要的詞語(yǔ)而不是所有的詞語(yǔ)來(lái)識(shí)別概念。
　　 第二，概念抽取完之后，有的詞語(yǔ)會(huì)被轉(zhuǎn)換成兩個(gè)或者多個(gè)概念，這樣便造成了歧義，本文采用最大熵模型消歧，認(rèn)為這些詞語(yǔ)所轉(zhuǎn)化的多個(gè)概念有均等的出現(xiàn)概率。為了驗(yàn)證該消歧方法的有效性，完成一個(gè)對(duì)比實(shí)驗(yàn)，該實(shí)驗(yàn)直接選取所抽取到得第一個(gè)概念來(lái)代表該詞語(yǔ)。通過(guò)對(duì)比實(shí)驗(yàn)發(fā)現(xiàn)最大熵模型的平均準(zhǔn)確率比沒(méi)有消歧的方法提高了6．