开放获取生物医学文献的实体关系抽取

Plenty of knowledge is included in the massive open access biomedical literatures, however, entity extraction on full texts are fall into high-dimensional matrix computing, semantic change and predicate discovery problems. To address these issues, our main researches are as follows: 1. With the structure information of literature and representation learning model, a novel biomedical entity relationship extraction method based on deep learning is going to proposed. It can solve the serious sparse problem of long-tailed entity and relationship distributions. 2. For the semantic change problems, we are going to analysis the cause and classification of them. Moreover, the quantity measurement of semantic change will be designed. Then, a hybrid model of deep learning and semi-supervised learning is going to be presented for semantic change solution. 3. Generate a biomedical knowledge graph based on biomedical entities and relationships. Using path ranking algorithm and ontology extension model, we will predict the relationships between entities and discover the predicates from the muti-step path. 4. Based on the new proposed models and algorithms, an open entity relationship extraction platform will be constructed. These researches will provide the service for biologists and medical doctors.

海量开放获取生物医学文献中蕴含着大量的知识，对其进行深度挖掘意义重大。然而全文文献中的实体关系挖掘面临着高维稀疏矩阵计算、语义漂移和谓词发现问题。针对这些问题，本项目拟开展如下研究：1.提出基于文献空间结构信息和表示学习模型的深度学习实体关系抽取算法，有效处理长尾分布实体及其关系上面临的严重稀疏问题。2.针对实体关系抽取中的语义漂移问题，分析其形成原因和类别，提出度量方法，融合深度学习与半监督学习模型解决语义漂移问题。3.将生物医学实体和关系生成知识图谱，运用路径排序算法和本体扩展模型从两实体间的多步关系路径预测它们之间的关系，发现新的谓词。4.将新提出的模型和算法整理形成生物医学文献开放实体关系抽取平台，为生物学家和医学家提供服务。

海量的开放获取生物医学文献中蕴含着大量的知识，对其进行深度挖掘意义重大。项目致力于利用表示学习框架下的新型、高效的关系抽取技术，构建为生物学家和临床医生提供更加高效、准确的知识发现平台，使其能够快速的从海量生物医学文献数据中挖掘出更有意义和价值的知识。主要工作如下：.1.充分利用大量未标记的生物医学文献数据，深入挖掘海量生物医学命名实体之间的关系。采用残差卷积神经网络进行蛋白质关系抽取，基于表示学习、表示主题模型进行糖尿病和肥胖症关系抽取；基于主题模型的阿尔兹海默症研究趋势分析；实验结果证明了上述模型的有效性，促进了深度学习算法在蛋白质关系抽取、疾病间关系抽取以及疾病研究热点分析等领域的应用。.2.在实体关系抽取模型基础上生成生物医学知识图谱，并运用关系路径特征学习及关系路径嵌入模型补全知识图谱。大规模知识图谱中的实体规模已经数以亿计，但是由于关系稀疏，它们还远未完善。路径特征学习模型通过两阶段模型完成路径特征学习及路径预测。关系路径嵌入模型时将每个实体嵌入两种类型的潜在空间。而且，类型约束从传统的特定关系的类型约束扩展到新提出的特定路径的类型约束。上述模型对于知识图谱补全，知识表示具有重要意义。.3.基于表示学习进行关系抽取与研究热点分析模型，搭建推荐系统及知识发现平台。采用卡方特征选择及深度卷积神经网络以实现摘要的语义表示，分别完成了计算机科学及生物医学期刊论文投稿推荐系统；整理相关模型并搭建了生物医学复杂关系抽取与知识发现平台( http://www.keaml.cn/BMKnowledge/ )，为多学科交叉研究提供决策支持。.上述工作相关成果发表在Journal of Medical Internet Research（医学信息学领域排名第一），Knowledge-Based System (中科院二区期刊)，International Journal of Biological Sciences（中科院二区期刊）等知名期刊上。项目执行期间共发表SCI索引论文12篇，CCF B类会议IEEE International Conference on Bioinformatics and Biomedicine上发表学术论文1篇，EI索引期刊论文1篇。获得国家发明专利授权3项，软件著作权1项。获2018年吉林省科技进步二等奖1项。