15、生物医学知识提取与置信标记研究

生物医学知识提取与置信标记研究

在当今的生物医学领域，知识的有效提取和准确评估至关重要。随着基因组测序技术和基因操作的发展，生物数据和知识呈现爆炸式增长。众多项目致力于将这些数据和知识进行形式化和结构化，例如 SwissProt 描述人类蛋白质，GOA 描述基因和蛋白质在模式生物中的功能和定位等。然而，科学文献作为生物数据库的重要数据来源，其知识提取面临诸多挑战。

信息检索与关系系统

关系系统在信息检索中具有重要应用。信息检索（RI）的高级功能，如布尔搜索、邻近搜索、分级搜索等，一直使用标准 SQL 语言。关系数据库系统对于结构化数据的处理效率较高，且成本低于专业的信息检索系统。因此，该方法在一些信息检索表示模型（如布尔模型、基于关系代数的概率模型）上有诸多实现，并扩展到支持推理和聚合的关系系统，这些都是信息检索中的重要方法。但这种方法存在关系系统中已知的存储问题。

在 PSIP 项目中，与 Oracle 公司合作，研究将 SPARQL 查询语言集成到信息检索算法中的可行性。这一工作需要将术语导出为 OWL 格式，以创建 RDF 三元组集合。到 2009 年第一季度，CISMeF 目录内的信息检索将实现多术语化，纳入 SMTS 的所有术语，这些术语也包含在 F - MTI 工具中。

生物知识提取的现状与挑战

生物知识的提取主要依赖科学文献，但目前大部分生物数据和知识仍以文本形式存在。每年约有 100 万篇新出版物被收录到 Pubmed 中，2008 年 6 月该数据库提供了超过 1650 万篇出版物的访问权限。然而，无论是生物学家还是注释人员，在文献中检索信息都是一个漫长而繁琐的过程。

为解决这一问题，出现了许多基于