医用酶技术汇报v3.pptVIP

基于医用酶语义的文献数据检索挖掘算法的设计与实现 研究背景 ABC算法起源 本体概念提取模型的构建 本体概念提取模型的构建 概念提取运行结果 医用酶非分类关系抽取组合模型构建 关系提取运行结果 语义相关性计算 语义相似和语义相关有一定的区别：语义相似意味着相关词汇所表达的概念在某些特征方面有重合，而相关性表明概念之间有相似性，但概念所表达的一些特征不直接重合。因此，语义相似只是语义相关的一个特殊方面，例如，3-肌醇六磷酸酶和6-肌醇六磷酸酶在应用功能上相似，而不是紧密相关，3-肌醇六磷酸酶与水紧密相关但是不相似。 语义相关性计算 在本研究中对语义相关性的计算是如下定义的： 在检索过程中，对检索词按照本体库中得逻辑和规则进行了扩展，把其初始检索词目标Gi与扩展检索词结果Ei的语义相关度做为一个评价指标。 将本体元素之间存在的约束关系集合设定一个向量体系，表示为O = [F C S I R A ] 。其中: F表示概念名父类集合，C表示概念名类集合，S表示概念名子类集合，I表示概念名实例集合，R 表示概念之间的关系集合，A 表示描述概念的属性集合。对每一个向量取二值函数{0 1}.在各分量上取值，对于初始检索词目标Gi表现显著取1，不显著取0，设取值为1的向量个数为m ;对于扩展检索词结果Ei，表现显著取1，不显著取0，设计取1个向量个数为n；将检索目标与扩展检索结果在各分向量上的分布组成一个矩阵，扩展结果于检索目标相匹配的向量个数l( )依据以下相关度计算公式： 语义相关性计算 表示Ei与Gi相对应的属性越多，语义越匹配，两者的相关性越强。 例如：有如下初始检索词目标矩阵，经过扩展后的结果矩阵是，将其组合成矩阵为,该初始检索词目标与扩展检索词结果的相关度为 基于本体的全文检索算法 医用酶本体全文检索总体框架设计 全文检索算法设计 全文检索算法设计 1、用户查询输入分析 用户的查询往往是一组关键词，这些关键词有可能是本体库中的元素（类、实例、属性、属性值），也有可能是其他普通的关键词。所以必须首先对用户输入进行分析。这个分析过程也同样是使用的Analyzer组件。也就是说对于索引和检索使用相同的分析算法。这样能使检索匹配结果达到最优结果。 1) For each keyword in Query：扫描输入关键词 a) If is 本体元素，Then添加到本体标注堆栈h2 b) Else if is 其他关键词，Then 添加到普通堆栈h1 2) 先对h2建立SVM向量空间模型v2，并赋予较高权值w2 3) 然后h1建立SVM向量空间模型v1，并赋予较低权值w1 4) 整合v2和v1，建立用户输入向量空间模型v 全文检索算法设计 2、全文检索算法 全文检索算法的排序是根据信息检索的向量空间模型[26]来计算的。文档（d）和查询条件（q）之间越接近，那么文档（d）的得分就越高。计算公式如下： 1)表示的是查询条件中，每个（t：term）在本文档（d）中的出现频率。查询关键词出现的频率越高，文档的得分就越高。这个部分的默认计算公式是： 2)表示的是反转文档频率（ Inverse Document Frequency）.这个函数表示的是（t：term）在所有文档中一共在多少个文档中出现过。因为文档出现的次数越少就越容易定位，所以文档数越少，得分就越高。这个函数的默认计算公式如下： 3)这个函数表示的是在这个文档（d）中Term（t）出现的百分比，也就是文档中出现的不同Term数量和查询条件（q）中的不同Term（t）的数量之比。所以，文档中出现的Term种类越多，分值就高： 全文检索算法设计 4)这个函数是一个调节因子，不影响具体的排序情况。主要是用来让排序结果在不同的查询条件（或者不同的索引）之间可以比较。这个条件是在搜索的时候计算的。它的计算公式如下： The sum of squared weights (查询条件的terms)是由查询的权重对象计算的。不同的查询方式，有不同的计算方法。例如：Boolean query的计算公式如下： 5)这个函数得到的是一些建索引的时候得到的一些参数计算值：encapsulates a few (indexing time) boost and length factors: ? Document boost：文档的boost，是建索引的时候设置的文档得分。 ? Field boost：在将一个字段加入到文档中去的时候加入的字段得分。（不同的字段得分不同有利于排序，例如标题的得分应该比内容的得分要高等） ? lengthNorm(field) – 文档在建立索引的时候加入的一个参数，根据文档的某个字段含有的Term数量来