面向帕金森病领域的实体关系抽取方法研究.pdfVIP

摘要

摘要

随着帕金森病的深入研究，临床数据、学术论文及电子病历的数量不断积累。

然而，这些包含着丰富帕金森病知识的数据通常以非结构化的形式存在，难以直接

利用。借助关系抽取技术，从帕金森病医学文本中抽取出帕金森病实体以及实体之

间的关系类型，可以系统整合帕金森病知识，为帕金森病领域知识图谱的构建奠定

基础。针对不同粒度文本，本文从句子级和文档级两个角度进行分析，具体对句子

级关系抽取和文档级关系抽取两个任务展开研究。主要的研究内容有以下几点：

1)帕金森病领域关系抽取数据集的构建。针对帕金森病领域缺乏已标注的关系

抽取数据集问题，本文收集帕金森病网站、学术论文等多来源文本，参考国际标准

医学术语集、药品名称目录和生物医学文本的实体关系标注规范，制定了符合帕金

森病领域语料特点的实体关系标注体系与规则，借助标注工具和人工标注完成句子

级关系抽取和文档级关系抽取数据集的标注工作。标注一致性计算结果为0.92，表

明了两个数据集的可靠性。

2)设计了一种面向帕金森病复杂实体和失衡关系的句子级关系抽取方法。针对

帕金森病领域中的复杂实体识别准确率低和关系类型不平衡的问题，构建了句子级

关系抽取模型。通过BioBERT模型，学习到帕金森病领域实体中的特征信息，再通

过BiLSTM模型并结合双向提取实体模块解决复杂实体抽取准确率低的问题，并使

用基于焦点的损失函数（focalloss）策略解决帕金森病领域关系类型不平衡的问题。

在帕金森病数据集上F1值为93.3%，关系抽取效果得到提高。

3)设计了一种融合帕金森病全局信息的文档级关系抽取方法。相比于句子级关

系抽取，许多关系事实蕴含在文献跨句子的实体对中。现有研究忽略了实体对之间

的相互作用，也没有明确解决关系类型不平衡问题。因此，本文设计U-net语义分割

模块来捕捉三元组之间的全局相关性。同时，使用自适应focalloss损失函数来解决

关系类型不平衡问题。在帕金森病数据集上实验验证，模型进行关系抽取任务的句

内和句间F1值分别为61.8%、64.06%，表明了本文提出方法的可行性和有效性。

综上所述，针对不同文本粒度关系抽取任务的特点，本文分别提出句子级关系

抽取模型和文档级关系抽取模型，分别在公开数据集和帕金森病数据集上实验验证

了本文模型的有效性。最后通过实体对齐融合帕金森病三元组知识，并借助Neo4j

数据库实现帕金森病知识的存储和可视化展示。

关键词知识图谱；句子级关系抽取；文档级关系抽取；实体对齐；本体设计

I

河北科技大学硕士学位论文

II

Abstract

Abstract

WiththefurtherstudyofParkinsonsdisease,theamountofclinicaldata,academic

papersandelectronicmedicalrecordscontinuestoaccumulate.However,thesedata,

whichcontainalotofknowledgeaboutParkinsonsdisease,oftenexistinanunstructured

formthataredifficulttousedirectly.Withthehelpofrelationextractiontechnology,

entitiesandtherelationtypesbetweenentitiesareextractedfrommedicaltexts,whichcan

systematicallyintegratetheknowledgeinParkinsonsdiseaseandlayafoundationfort