文本挖掘在中文医学疾病关系抽取中的应用.pdf
《文本挖掘在中文医学疾病关系抽取中的应用.pdf》由会员分享,可在线阅读,更多相关《文本挖掘在中文医学疾病关系抽取中的应用.pdf(3页珍藏版)》请在咨信网上搜索。
1、第 39 卷 第 8 期 福 建 电 脑 Vol.39 No.8 2023 年 8 月 Journal of Fujian Computer Aug.2023 姜智尹(通信作者),男,1993年生,主要研究领域为自然语言处理、生物信息学。E-mail:。程翔(通信作者),男,1976年生,主要研究领域为机器学习、模式识别、生物信息等方面的研究。E-mail:jx_。文本挖掘在中文医学疾病关系抽取中的应用 姜智尹 程翔 (景德镇陶瓷大学信息工程学院 江西 景德镇 333403)摘 要 随着新型冠状病毒在全球的爆发,人们越来越重视生命健康与用药安全。近些年,生物医学科研领域呈现快速发展趋势,形成了
2、庞大的文本数据资源。本文聚焦于中文医学文本数据,提出了 Bert-wwm 编码与 Casrel 标注器解码相结合的抽取模型,并与原模型进行了实验对比。结果表明,基于该模型的 F1 值为 63.3%,与基础模型相比有了进一步的提升。关键词 中文医学文本挖掘;关系抽取;预训练模型;层级标注器 中图法分类号 TP391.1 DOI:10.16707/ki.fjpc.2023.08.013 An Application of Text Mining in Chinese Medical Disease Relation Extraction JIANG Zhiyin,CHENG Xiang (Scho
3、ol of Information Engineering,Jingdezhen Ceramic University,Jingdezhen,China,333403)Abstract With the global outbreak of novel coronavirus,people pay more and more attention to life health and medication safety.In recent years,with the publication of a large number of valuable literature that forms
4、a huge text data resource,the biomedical research field has also shown a rapid development trend.This article focuses on Chinese medical text data and proposes a extraction model that combines Bert-wwm-ext encoder and Casrel tagging decoder,making an experimental comparison with the original model.T
5、he results show that the F1 value based on this model is 63.3%,which is further improved compared with the original one.Keywords Chinese Medical Text Mining;Relation Extraction;Pretraining Model;Cascade Novel Tagger 1 引言 最近,COVID-19 新冠病毒的传播刚刚停息,H1N1 甲流病毒又侵袭而来1-2。这段时期以来,医学研究不断推进,相关生物医学文献也呈现井喷式增长,文本挖掘
6、为医学领域提供了大量数据支撑。本文重点关注中文医学文本关系抽取问题3-5,提出了改进的 bert-wwm-casrel 模型,验证其有效性,为后续疾病关系研究提供可靠的数据。2 数据集构建 2.1 CMeI-E数据集 从CMeI-E(Chinese Medical Information Extractoin)数据集中选取部分语料数据。该语料库来自于第六届中国健康信息处理会议(CHIP-20)的评测任务 2 数据集6,数据来源较为广泛,主要包括常见疾病的临床实践、医学教材 儿科学、临床儿科学等的医学文本,数据本身具有权威性和可靠性。此外,因为该数据集经过科学严谨的专家团队的标注,所以有较为规范
7、且全面的实体与关系类别。其中实体类别有 11 种,关系类别为 44 种。2.2 文献语料的抓取 根据实验需求,为了文本语料更具通用性,更加精准与快捷地获得实验所需的文本数据,使用python爬虫技术从学术知网等网站爬取疾病相关的文本内容。首先,从学术知网上通过“疾病”关键词,获取 2022 年一月以来的文献摘要。其次,将获得的初始文本数据进行标注清洗,统一按照2023 年 福 建 电 脑 57 CMeI-E 半结构化 json 数据格式进行分块与整理。2.3 数据整合及分布 通过对收集的医学文本数据的整理、标记与半结构化处理,最终得到 29200 条医学文本和 75382个三元组。该数据集共分
8、为三部分,其中训练集包含 14520 条数据,验证集包含 3630 条数据,测试集包含 5640 条数据。3 模型构建及结果分析 3.1 文本挖掘的相关理论 3.1.1 关系抽取 关系抽取(Realation Extraction)是信息提取以及知识图谱的关键步骤,目的是从非结构化数据或半结构化数据中提取出实体之间的关系7-9。关系抽取根据输入的实体数据是否在文本中标记分为流水线式抽取和联合抽取。关系抽取获得的实体间关系信息同时为后续的研究提供了关联性支撑。在自然语言处理中,实体之间的关系主要表示为 SPO 三元组,即,其中 S 代表头实体,P 代表关系,O 代表尾实体。例如在中文医学文本“研
9、究发现,在作为溃疡性结肠炎的维持治疗时,5-ASA 优于安慰剂”中,包含的三元组有。3.1.2 BERT-wwm-ext 预训练模型 Bert 模型是基于 Tansformer 的预训练模型10。其利用掩码语言模型的优点,能够融合长文的上下信息表征。在 Bert 模型的基础上,通过将分词掩码机制改为全词掩码机制的同时增大训练数据,得到能够增强获得实体整体信息能力的 BERT-wwm-ext预训练模型11。该模型结构如图 1 所示。图 1 BERT-wwm-ext 模型结构图 3.2 Casrel模型的改进 首先,针对中文文本,改用 BERT-wwm-ext 作为语料最初的预训练模型。其次,中文
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 文本 挖掘 中文 医学 疾病 关系 抽取 中的 应用
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。