跨語(yǔ)言醫(yī)學(xué)信息挖掘中關(guān)鍵詞提取方法的研究.pdf

1、隨著國(guó)內(nèi)外生物醫(yī)學(xué)信息研究的飛速發(fā)展，生物醫(yī)學(xué)文獻(xiàn)已成指數(shù)級(jí)別增長(zhǎng)，其中絕大多數(shù)文獻(xiàn)都可在網(wǎng)絡(luò)上檢索?；ヂ?lián)網(wǎng)檢索生物醫(yī)學(xué)文獻(xiàn)已成為研究人員獲取最新研究成果的主要途徑，然而部分漢語(yǔ)用戶(hù)要獲取最新英語(yǔ)文獻(xiàn)時(shí)卻存在一些困難：首先由于生物醫(yī)學(xué)名詞的縮略性、模糊性和多義性，用戶(hù)難以直接輸入準(zhǔn)確的生物醫(yī)學(xué)術(shù)語(yǔ)進(jìn)行檢索；其次將大量漢語(yǔ)信息人工翻譯成英語(yǔ)信息也是很困難的。因此如何從輸入文本中自動(dòng)提取出關(guān)鍵信息和漢英信息的自動(dòng)翻譯成為解決跨語(yǔ)言用戶(hù)信息檢

2、索難題，也是近年來(lái)跨語(yǔ)言文本檢索研究的熱點(diǎn)。
　　 本文利用自然語(yǔ)言處理和機(jī)器翻譯獲取中文文本的關(guān)鍵詞信息，并進(jìn)行了漢英翻譯。具體地說(shuō)，本文主要的研究?jī)?nèi)容有以下幾點(diǎn)：
　　 考察中文分詞技術(shù)的研究現(xiàn)狀后，引入了基于層疊隱馬爾可夫模型的中文分詞工具ICTCLAS。詳細(xì)介紹了中文分詞的處理思路和部分算法，并利用其接口實(shí)現(xiàn)中文分詞，同時(shí)引入生物醫(yī)學(xué)用戶(hù)詞典，提取生物醫(yī)學(xué)關(guān)鍵詞。由于散落的詞語(yǔ)仍然具有上下文關(guān)聯(lián)特征，為了更準(zhǔn)確的

3、獲得關(guān)鍵詞信息，本文從一系列詞性標(biāo)記集中遴選出效果最優(yōu)的對(duì)象，對(duì)中文詞語(yǔ)進(jìn)行了詞性標(biāo)記（POS）。利用詞性特征和設(shè)定的語(yǔ)法規(guī)則進(jìn)行語(yǔ)法處理，提取到準(zhǔn)確的中文關(guān)鍵詞。
　　 在機(jī)器翻譯模塊中，評(píng)估了Google Translate API的翻譯性能，根據(jù)其較高的準(zhǔn)確率和用戶(hù)友好性，選擇其對(duì)中文生物醫(yī)學(xué)關(guān)鍵詞進(jìn)行漢英翻譯。
　　 基于上述研究，設(shè)計(jì)開(kāi)發(fā)了跨語(yǔ)言醫(yī)學(xué)信息關(guān)鍵詞提取系統(tǒng)（CMKES），運(yùn)用自然語(yǔ)言處理和自動(dòng)翻譯技