以UMLS语义命题为基础医学信息资源聚合_郭少友.pdfVIP

下载本文档

5
0
约3.76万字
约 7页
2017-06-17 发布于北京
举报
版权申诉

以UMLS语义命题为基础医学信息资源聚合_郭少友.pdf

1、原创力文档（book118）网站文档一经付费（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。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

58 3 2014 2 第卷第期年月 * 以UMLS 语义命题为基础的医学信息资源聚合 ■ 郭少友李庆赛［］UMLS ， UMLS 摘要语义命题是用三元组表示的最小语义化知识单位其主语和宾语都是超级叙词表， UMLS 。UMLS 、、中的概念谓词是语义网络中的语义关系语义命题的抽取过程涉及浅层句法分析概念映射谓。 UMLS — 词识别与语义命题生成等环节两种以语义命题为基础的医学信息资源聚合方法 —— 用知识单元作为，。资源单位的聚合方法和用文档关联数据作为资源单位的聚合方法其聚合结果分别是知识网络和文档网络［］UMLS 关键词语义命题医学信息资源聚合［］G203 分类号 DOI : 10． 13266 /j． issn． 0252 － 3116． 2014． 03． 016 目，。 4 ， indications 、contraindi- 前互联网上存在着大量的医学信息资源除概念对之间的关系只有种即了可按传统方法对其进行整合［1 － 2］，以便用户较容易 cations 、adverse drug effects 和other associations 。地， 1． 1． 2 从非结构化资源中抽取事实来实现聚合 Ye 找到原始资源之外还可以从文本型医学信息资源， Min ［6］提， Web 中抽取一系列知识点并将其有机地组织起来实现资出一种疾病知识存取方法可从文本资、， —— — 聚，源中自动抽取疾病症状类实体及其关系并用三元组源的深度整合合以便用户直接从聚合结果中，。，。V． Nguyen 找到所需的知识不必获取其原始资源表示成事实后存入知识库形成语义图［7 － 8］进 iExplorer ，等