基于前后文词形特征的生物医学文献句子边界识别 - 四川大学.pdfVIP

　第 27 卷 第 1 期 小 型 微 型 计 算 机 系 统 V o l27 N o. 1　 　　2006 年 1 月 M IN I- M ICRO SYST EM S 　Jan. 2006　　 基于前后文词形特征的生物医学文献句子边界识别 1 2 1 1 1 于中华 , 张　容 , 唐常杰 , 左　　 , 张天庆 1( 四川大学 计算机学院, 四川 成都, 610065) 2( 四川大学 网络教育学院, 四川 成都, 610065) : @ . . . E m ail yuzhonghua cs scu edu cn 摘　要: 针对生物医学文献的特点及信息抽取的特殊要求, 提出了基于前后文词形特征和有教师学习的句子边界识别算法. 与 针对一般英语书面语设计的句子边界识别算法不同, 本文提出的算法不使用特殊的辅助词表和语法层面的特征信息, 只使用前 后文单词的词形信息作为句子边界识别和消歧的依据. 利用这些特征设计了最大信息熵识别器和支持向量机识别器, 并在 M edline 摘要上进行了实验, 达到了超过 99% 的正确率. 实验结果表明, 最大信息熵法和支持向量机法在句子边界消歧问题上 具有相近的性能, 同时还表明, 对生物医学文献句子边界识别, 只使用词法层面的特征, 不使用辅助词表和词性等语法层面的信 息, 仍可达到其它算法在一般英语书面语上利用辅助词表和词性信息所达到的性能. 关 键 词: 自然语言处理; 生物信息抽取; 句子边界识别; 机器学习 ( ) 中图分类号: T P 391　　　　　文献标识码: A 　　　　　　文 章 编 号: 2006 Sen tence Boundary D etection in B iom ed ica l Texts Using Con text M orpholog ica l Fea tures 1 2 1 1 1 , , , , YU Zhong hua ZHAN G Rong TAN G Chang jie ZUO J ie ZHAN G T ian qing 1(Comp u ter S cience S chool, S ichuan U niversity , Cheng d u 610065, Ch ina) 2( , , 610065, ) N etw ork E d ucation S chool S ichuan U niversity Cheng d u Ch ina : Abstract A sentence boundary detection algo rithm is p ropo sed fo r info rm ation extraction from biom edical texts acco rding to characteristics of the texts and special requirem ents of info rm ation extraction. T he algo rit