[论文解读] A Short Survey of Biomedical Relation Extraction Techniques

Elham Shahab|arXiv (Cornell University)|Jul 18, 2017

Biomedical Text Mining and Ontologies参考文献 3被引用 9

一句话总结

本综述全面概述了生物医学关系抽取技术，重点介绍识别基因、蛋白质和疾病等生物实体之间关系的方法。文章探讨了共现、基于规则、基于分类以及句法/语义解析方法，强调了在提取涉及复杂分子（如糖类）的关系时面临的挑战，原因在于本体论资源有限和数据稀缺。

ABSTRACT

Biomedical information is growing rapidly in the recent years and retrieving useful data through information extraction system is getting more attention. In the current research, we focus on different aspects of relation extraction techniques in biomedical domain and briefly describe the state-of-the-art for relation extraction between a variety of biological elements.

研究动机与目标

• 提供生物医学领域最先进关系抽取技术的系统性综述。
• 分析在涉及复杂生物实体（尤其是糖蛋白相互作用）的关系抽取中所面临的挑战。
• 识别现有知识库和本体论中的知识空白，这些空白阻碍了糖组学中的有效文本挖掘。
• 倡导开发高质量、经人工整理的本体论，并与现有基因组数据资源进行整合。
• 推动语义和句法解析技术的应用，以提高关系抽取的准确性。

提出的方法

• 将关系抽取技术分类为共现统计、基于规则、基于分类以及句法/语义解析方法。
• 回顾依赖解析和句法图在建模生物医学文本中文法和关系结构中的应用。
• 研究基于核函数的机器学习方法（如全路径图核和最短依赖路径核）在蛋白质-蛋白质相互作用检测中的应用。
• 评估整合外部知识源（如WordNet、Wikipedia和GeneRIF）在特征工程中的作用。
• 分析语义角色标注（SRL）在识别谓词-论元结构以支持关系抽取中的作用。
• 讨论当前方法在糖组学中受限的原因，主要由于本体论和数据库数据稀疏且质量较低。

实验结果

研究问题

• RQ1 生物医学关系抽取中占主导地位的技术是什么？它们在性能和复杂性方面有何差异？
• RQ2 尽管糖蛋白相互作用具有重要的生物学意义，为何在生物医学文本挖掘中仍研究不足？
• RQ3 与简单的共现方法相比，句法和语义解析方法如何提升关系抽取的准确性？
• RQ4 当前知识库中的哪些关键限制阻碍了糖组学中的关系抽取？
• RQ5 将糖组学数据与现有基因组本体论整合，能在多大程度上促进知识发现？

主要发现

• 共现统计仍是临床叙述中关系检测的一种简单但有效的基线方法。
• 基于规则和监督式机器学习方法（尤其是使用SVM的方法）在高质量标注语料库上进行训练时表现出色。
• 句法解析和依赖图上的核函数方法显著提升了蛋白质-蛋白质相互作用的抽取效果，因其能捕捉结构上下文信息。
• 缺乏全面且经人工整理的糖组学本体论和数据库是推动糖蛋白相互作用文本挖掘发展的主要瓶颈。
• 现有的知识库（如UniCarbKB和功能糖组学联盟）在数据量和质量方面均有限，且未完全集成到更广泛的生物医学知识图谱中。
• 通过RDF和链接数据原则将糖组学数据与现有基因组和蛋白质组本体论进行整合，为未来知识发现提供了有前景的路径。