文献

J-GLOBAL ID：201702270969868094   整理番号：17A0050927

半教師付き学習に基づく生物医学文献からの疾患-症状および症状-治療物質相関の抽出

Semisupervised Learning Based Disease-Symptom and Symptom-Therapeutic Substance Relation Extraction from Biomedical Literature

著者 (5件)： FENG Qinlin (Dalian Univ. Technol., Dalian, CHN) ,  GUI Yingyi (Beijing Inst. of Technol., Beijing, CHN) ,  YANG Zhihao (Dalian Univ. Technol., Dalian, CHN) ,  WANG Lei (Beijing Inst. of Health Administration and Medical Information, Beijing, CHN) ,  LI Yuxia (Beijing Inst. of Health Administration and Medical Information, Beijing, CHN)
資料名： BioMed Research International (Web)  (BioMed Research International (Web))
巻： 2016  号： Bioinformatics  ページ： ROMBUNNO.3594937 (WEB ONLY)  発行年： 2016年 
JST資料番号： U7008A  ISSN： 2314-6133  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 生物医学文献の急速な増加にともない,文献に埋め込まれた疾患,症状,治療物質についての大量の知識は,創薬や疾患治療に利用され得る。本論文では,生物医学文章から疾患と症状,症状と治療物質の関係をそれぞれ抽出する2つのモデルを構築する方法を提示する。前者は,病気が特定の生理学的現象を引き起こすかどうかを判断する一方,後者は,ある物質がある生理学的現象を緩和あるいは除去するかどうかを判断する。これらの2種類の関係をさらに利用すると,疾患と治療物質との関係を抽出することができる。筆者らの方法においては,疾患-症状と疾患-治療薬との関係を抽出するための最初の2つのトレーニングセットを手作業で注釈付けし,その後,2つの半教師付き学習アルゴリズム,すなわち,Co-TrainingおよびTri-Trainingを未標識のデータの利用に適用して,関係抽出性能を高めることができる。実験結果は,Co-TrainingおよびTri-Trainingアルゴリズムの両方で未標識データを用いることにより,パフォーマンスを効果的に向上できることを示す。(翻訳著者抄録)

シソーラス用語： *学習 ,  *データベース ,  文献検索 ,  症状 ,  病気 ,  薬物 ,  学習アルゴリズム ,  *文献利用 ,  アノテーション ,  *MEDLINE ,  オペレーティングシステム ,  *抽出
準シソーラス用語： *半教師つき学習 ,  *文献データベース ,  カーネル【オペレーティングシステム】 ,  *関係抽出

分類 (2件)： 生物科学研究法一般  (EA03010K) ,  医用情報処理  (JE15030Q)

タイトルに関連する用語 (8件)： 半教師付き学習 ,  生物医学 ,  文献 ,  疾患 ,  症状 ,  治療 ,  物質 ,  相関