基于领域本体生物医学语义检索机制研究.pdfVIP

技术与应用 http: // 基于领域本体的生物医学语义检索机制研究 ——以GoPubMed和SEGoPubMed为例 * □ 杜建 张士靖 / 华中科技大学同济医学院医药信息系 武汉 430030 摘要：基于领域本体对大型文本语料库的语义检索研究成为近年来信息检索领域研究的热点。 GoPubMed和SEGoPubMed作为该领域研究成果的杰出代表，为PubMed存在的问题提供了良好的解决方案。 对GoPubMed和SEGoPubMed语义检索机制进行深入研究后显示，GoPubMed应用基于语义网的语义分类工 具——GO和MeSH，将PubMed检索结果统计并对应到相应的分类导航目录，使用户利用该导航便可以快速 找到自己所需要的文献，但其仍是基于布尔逻辑模型的字符串匹配机制；而比GoPubMed性能更优越的 SEGoPubMed应用潜在语义分析（LSA）技术开创了语义敏感地浏览、连接大型文本语料库与本体的新模 式，将具有更广泛的应用前景。 关键词：领域本体，基因本体，医学主题词表，GoPubMed，SEGoPubMed，潜在语义分析 DOI：10.3772/j.issn.1673—2286.2010.07.012 1 引言 就是该领域研究成果的杰出代表，它为PubMed存在的 问题提供了良好的解决方案。本文以此为例，探讨基 2 1世纪，生命科学与医学成为科技发展的热点与 于领域本体的生物医学语义检索机制，其 目的就是阐 前沿，MEDLINE/PubMed作为目前世界公认的最权威 述如何实现PubMed的语义检索，进一步提高其检索效 的生物医学文献数据库，收录的文献量已近2,000万条 率，为用户提供高信度、低冗余的文献集合。 [1] 。尽管其 自动词语匹配功能令人称道，数据挖掘和智 [2] 能检索功能日臻完善 ，但从如此庞大的数据库中检索 2 GoPubMed语义检索机制 到所需文献仍然是一个巨大的挑战。因为PubMed 以布 尔逻辑为基础、基于关键词的检索模型以及检索结果 2.1 语义检索原理 输出的线性排序机制有两个缺点： （1）要想选择能够 产生较好的检索结果的关键词，用户需要非常熟知检 GoPubMed （http ://www.gopubmed .org/ ）是德 索策略及其优化方法； （2 ）检索结果的线性排序导致 国Tran sin sight 公司与德累斯顿工业大学 （Technical 了用户不能从多个维度浏览检索结果，而只能逐篇阅 University Dresden ）合作研发的一种基于领域本体、对 读筛选，这样往往容易产生大量的信息冗余和信息丢 PubMed进行文本挖掘、结果可视化和后处理类型的生 [5] 失。 物医学语义搜索引擎 。GoPubMed 以PubMed作为其来 因此，为解决上述问题，基于领域本体对大型文 源数据库。在用户界面输入检索词后，系统将该词提 本语料库实现语义检索成为近年来信息检索领域的研 交给PubMed ，再接收从