一种基于领域本体的药品研发信息抽取方法.pdfVIP

第3l卷 第l2期 情 报 杂 志 V01．31 No．12 2012年 12月 JOURNALOFINTELLIGENCE Dec． 2Ol2 一 种基于领域本体的药品研发信息抽取方法术 蒋艳辉 姚靠华 周双文 王 薇 (湖南大学工商管理学院 长沙 410079) 摘 要 以生物医药公司年度报告为栽体，设计 了一种基于领域本体的信息抽取方法获取药品研发信息。首先依 据药品研发固有的基本流程构建了领域本体词典，在对样本文档进行预处理的基础上介绍了时间词和否定词的处 理；然后基于映射原理并结合触发机制、继承机制和选择机制，抽取并规范化药品研发信息；最后对抽取结果进行 了 查准率和查全率分析，证明了信息抽取方法的有效性。 关键词 信息抽取 领域本体 映射原理 生物医药公司 药品研发 年度报告 中圈分类号 G353 文献标识码 A 文章编号 1002-1965(2012)12—0130-05 A DrugsRD InformationExtractionMethodBasedonDomainOntology JiangYanhui YaoKaohua ZhouShuangwen W angWei (CollegeofBusinessAdministration。HunanUniversity。Changsha 410079) Alm raet Takingannualreportasacarrier，thispaperproposesna informationextractionmehtodforbiologicalcompna ies drugsRD in— formationbasedondomainontology．First．thedomainonotlogydictionariesacocrdingto thebasicprocessofdrugsRD isconstructed nadhteprocessoftimeswordsnadnegativewordsafterpreproc essingthesamplePDFdocumentsisintroducedindetail．Then。extracting nadnormalizingdrugsRD informationaredonebyusingmappingprincipleaswellastrigger。inheritance，andeslectionmechnaisms．Fi- putingprecisionratioandrecallratiobasedonhteresultsofinfomrationex~actionprovesthevalidi~ ofhtemehtod． Keywords infomr ationextraction domainontology mappingprinciple biological companies drugsRD annualreport 括产品名称识别 J、地名识别 ]、姓名识别等。实体关 0 引 言 系抽取是在实体识别的基础上抽取实体间隐藏的关 上市公司年度报告是投资者了解上市公司财务状 系，如利用生物医学相关文本研究基因与疾病、基因与 况和经营成果的主要渠道，其中既包含数据信息也包 基因之间的关系 ，通过 《政府工作报告》研究不同 含语言信息。数据信息是指上市公司在年报中以数字 省 、市、自治区的经济关系 。目前的事件抽取方法主 形式列示的各项经济指标如会计报表。语言信息是指 要采用模板匹配算法，如应急知识模式提取 ]、非常规 公司年报中除数据信息以外的以文字叙述为主要表达 突发事件抽取 o等。这些研究主要是基于统计的方法 方式的信息，其中包括夹杂于句子