12、生物医学信息提取中的递归模式学习

生物医学信息提取中的递归模式学习

在生物医学领域，信息提取是一项关键任务，它有助于从大量的文本数据中获取有价值的信息。本文将介绍一种基于递归模式学习的生物医学信息提取方法，包括数据表示、背景知识、递归模式学习过程以及实验结果。

1. 数据预处理

在进行生物医学信息提取之前，需要对文本数据进行预处理。具体步骤如下：
- 疾病匹配 ：使用疾病字典，能够识别如“乳酸酸中毒和中风样发作”是线粒体疾病“MELAS”的两种表现形式。
- JAPE语法识别 ：定义JAPE语法，用于识别文本中的同位语以及该领域常见的数字和字母数字字符串。
- 停用词去除和词干提取 ：去除停用词（如冠词、副词和介词），并使用Porter算法对英文文本进行词干提取。

2. 数据表示

在这项工作中，分析单元是句子，句子由标记（tokens）组成。每个句子或标记在给定文本的上下文中被赋予唯一的标识符。
- 属性表示 ：通过一元描述符表示属性，包括统计属性（如标记频率）、词汇属性（如字母数字、大写标记）、结构属性（如复杂标记的结构）、句法属性（如名词的单复数、动词的原形和变位）和领域特定知识（如属于字典的实体）。
- 关系表示 ：通过二元描述符表示关系，如 part of 表示组成句子的标记， follows 表示标记的直接后继关系。对于复杂标记，还定义了多个谓词来描述其结构和形态。
-