利用MeSH组配规则自动抽取表达特定语义关系句子的探索

目的：利用MeSH组配规则自动抽取文摘中表达特定语义关系的句子,为制定自然语言处理关系抽取模板以及句子水平的信息检索提供依据。方法：根据主题词组配规则,使用python语言从文摘数据中匹配出含有特定MeSH主题词概念的候选关系句,从中抽取出以描述概念间关系的短语或句子。邀请专家对100条候选关系句进行概念间语义关系人工标注,将得到的语义关系三元组作为评价金标准,与自动抽取出的概念间关系进行对比分析。将自动抽取的结果加以整理形成特定概念之间的语义关系表达。结果：对大量的自然文本句进行句法分析,批量识别出2个特定概念间语义关系抽取方法的准确率为87%,召回率为62%,F1=71.8%。结论：利用MeSH组配规则抽取表达特定语义关系句子的方法具有较高的准确率与召回率,对生物医学文本理解及医学知识发现等具有借鉴意义。     

随机对照试验评价的语义模型研究

目的：将随机对照试验评价的基本理论和知识整合为计算机可识别的语义模型、属性和元数据,为语义网计算机推理提供知识本体.方法：知识本体的建立以国际上公认的随机对照试验评价规范为依据,采用本体编辑工具Protégé构建语义模型的层级结构,定义类、属性及其关系和其他元数据的规范描述.结果：构建了包含一般信息、分类与分级信息和具体评价项目的语义模型,创建了51个语义属性和元数据,13个随机对照研究的评价实例.结论：构建计算机可识别和处理的随机对照试验评价本体,是网络医学文献信息逻辑推理操作的基础,也为医学研究过程提供了随机对照试验文献质量评价的形式化表达和结果推论的参考.     

GOPubMed:基于GO和MeSH的信息检索与分析研究

GOPubMed是一种基于PubMed的结果可视化和后处理类型的智能搜索引擎.从工作原理、关键技术以及扩展功能3个方面对其性能进行解析.研究显示,GOPubMed利用基于语义网的语义分类工具--GO(Gene Ontology,基因本体)和MeSH,对PubMed检索结果进行分类,帮助用户快速地找出最相关的命中文献,实现语义网与生物医学信息检索的完美结合,并能对检索结果从多角度进行可视化统计分析.     

MeSH的概念结构及其意义

通过对MeSH从传统词结构模式向基于概念结构模式转变的研究,重点对MeSH概念结构特征、主题词类构成、语义关系揭示和表述进行分析。从MeSH的结构化组织方式、语义网实现、一体化知识组织模式和兼容发展等方面,对网络环境下主题词表的建设与发展进行论述。     

纳米出版物语义模式及其与知识发现的关系

纳米出版物（Nanopublication）是一种新的语义表达模式。通过对Nanopublication概念、源文件及语义模式的研究,从知识发现与Nanopublication的产生、改进、发展三方面探讨了Nanopublication与知识发现之间的联系,以便为研究者提供新线索,发现新知识。     

论中医药语义网的智能应用

语义网将是一个全球共享的智能信息空间,能实现各种数据资源的互联互通,支持机器推理、知识发现和智能问答等各种智能应用。本文旨在探讨在中医药领域中构建语义网基础设施,并在此基础上模拟中医思维的过程,挖掘中医医案中的知识,构建中医临床智能系统,从而支持中医科学研究和临床决策。     

中医药文献元数据规范在语义网环境中的应用

国际标准化组织（ISO）近期完成了一项关于中医药文献元数据的技术规范草案,它反映了中医药文献的特点,对于中医药文献资源的保护和利用具有重要意义。语义网（Semantic Web）技术为该规范在全球范围内的实施提供了潜在的解决方案。研究采用语义网技术,根据该草案构建了面向中医药文献元数据的本体,并采用该本体对中医药文献进行了示范性标注,为在语义网环境中实施该规范奠定基础。     

语义网环境下国外医学受控词表的发展及趋势

调查了Taxonomy Warehouse中医学受控词表的数量、规模、编制单位、学科分布、语种、应用等情况,介绍了UMLS、MeSH及ICD等主流医学词表的发展概况,认为语义网环境下,国外医学受控词表呈现出本体转化、智能更新与应用、用户协同编制、动态集成与分解、发布为关联数据等趋势。     

基于SPO语义网络的核心主题识别与演化趋势分析方法

目的：应用自然语言处理技术和深层语义信息进行核心主题识别及演化趋势分析，帮助科研人员了解领域研究现状、跟踪领域研究热点、把握领域发展规律，进而推动学科领域的发展。方法：提出基于SPO语义网络的核心主题识别及演化趋势分析方法，首先抽取科技论文数据中的SPO结构，然后分阶段构建SPO语义网络，最后利用节点度和边权重等社会网络分析指标对领域核心主题及其演化趋势进行研究和探索。结果：选择基因编辑领域进行实证分析，识别出该领域的7个核心研究主题，并探究各主题内容及受关注程度的发展变化情况。结论：基于SPO语义网络的核心主题识别及演化趋势分析方法具有可行性和可靠性，可以为学科领域科研活动的展开提供重要决策支持。     

一种基于语义网技术和本体的数据集成方法

研究语义网技术在数据集成中的应用方法。采用规则系统实现对语义网本体语言的扩展,以提高本体语言的表达能力。在此基础上将语义网相关技术系统地应用到数据集成系统的各个方面,包括数据采集、本体构建、本体映射、数据查询和数据持久化。通过一个实例,展示了上述方法的可行性。     

基于Clique聚类的精神分裂症多文档自动摘要研究

利用SemRep将精神分裂文献集处理为语义述谓项集,建立语义述谓网络,从节点、边及网络凝聚性三个层次提取文献集的核心内容,生成的图形摘要由具有高凝聚性的clique组成,探索利用网络属性结合语义信息的生物医学多文档自动摘要方法。通过clique共节点矩阵对其聚类获取摘要的子主题,采用人工标准对摘要内容的覆盖面进行评价,结果显示摘要的准确率为0.93,召回率为0.68,F值为0.79。该方法能有效识别文献集中的核心内容,网络图中所富含的语义信息能较完整地表达摘要内容。     

叙词表概念间语义关系发展研究

目的:促进叙词表的编制与维护工作。方法:梳理国内外叙词表编制标准的演化过程,比较其对概念间语义关系定义的变化,通过实例分析医学和农业领域叙词表中的概念间语义关系,归纳总结概念间语义关系的发展现状。结果:随着叙词表的发展及其在网络环境中的应用,概念间语义关系一方面表现出向本体转化的趋势,另一方面表现出关系细化和语义明确的趋势。结论:在叙词表的新编和更新维护中,应更进一步关注和促进叙词表词间关系的发展。     

主题词法和自然语言法探测文献主题新颖性对比分析

目的：对比分析主题词法和自然语言法计算结果的一致性和差异性,探讨两种方法的优缺点以及与F1000推荐文献的关系。方法：定义医学主题词词对法的文档主题新颖度概念,给出计算公式进行计算并进行对比分析。结果：主题词法计算了该文献集401篇文献中已标引的346篇文献的文档主题新颖度,平均新颖度值为0.8423;自然语言法计算了该文献集全部401篇文献的文档主题新颖度,平均新颖度值为0.8713。74.28%的文献经两种方法计算得到的新颖度差值在0.1以下。结论：主题词法和自然语言法可从文本层面计算文档主题新颖度,两者各有优势。自然语言法在计算范围和最新发表的文献方面要略优于主题词法,主题词法在揭示文章主旨含义和准确度方面,优于自然语言法。根据相关性比较,主题词法和自然语言法在计算文档主题新颖度方面一定程度上具有相对等效的价值。新颖度值越高,主题词法和自然语言法计算出的文档新颖度值分区越一致。主题词法文档主题新颖度与F1000得分弱相关,说明主题词法新颖度准确性更接近专家同行评议。     

构建基于文献信息网络的知识发现系统应用模型的设想

文献检索能够帮助用户快速地查找与获取目标文献,但非结构化的文献仍然需要人工阅读才能获得有效的知识,严重限制了从大量文献中发现知识的效率。基于文献的知识发现研究是通过文献集中潜在的关联发现来形成科学假设,因此利用文本挖掘技术将非结构化的文献集转化为图结构模型,对进一步知识发现的实施与深入挖掘都具有重要作用。有鉴于此,我们利用复杂网络的方法对文献集进行文本挖掘,探讨了关联知识的图结构组织对文献知识发现的重要作用,揭示了非相关文献中的隐含知识,并构建了文献信息网络的知识发现应用模型。     

MeSH增补概念的术语映射分析

基于对MeSH增补概念结构的分析,重点探讨增补概念与MeSH主题词的术语映射和转换,及与UMLS语言网的术语映射,试图从MeSH微观结构的一个侧面对其功能、适应性及使用效率进行分析。     

基于语义表达的中医药优势病种网络模型的构建

目的：建立基于中医药优势病种文献的语义网络模型。方法：顶层参考中医药学语言系统并结合专家咨询设定模型中的语义类型和语义关系，底层基于获取的中医药优势病种文献全信息结构解析进行语义类型和语义关系补充。结果：构建了基于语义表达的中医药优势病种网络模型。结论：基于语义表达的中医药优势病种网络模型可以支持中医药优势病种文献数据库的构建和中医药优势病种文献的语义检索与利用。     

网络特征对文献间接关联发现的评价作用

基于文献的知识发现研究通过文献中潜在的间接关联的挖掘获取新的科学假设,在生物医学领域已经得到了越来越广泛的应用。间接关联性的评价是当前文献知识发现研究的一个热点问题;本文主要探讨网络特征在文献知识发现过程中间接关联的评价作用,整合共现统计信息与网络结构特征,建立了间接关联评价的新指标,这对于提高文献知识发现效率与构建知识发现系统具有重要意义。