[论文解读] Text-mining and ontologies: new approaches to knowledge discovery of microbial diversity

Claire Nédellec, Robert Bossy+2 more|arXiv (Cornell University)|May 10, 2018

Biomedical Text Mining and Ontologies参考文献 6被引用 10

一句话总结

本文提出了 OntoBiotope，一个正式的、机器可读的本体，旨在标准化和结构化微生物栖息地的非结构化自然语言描述。通过支持文本挖掘和语义推理，它克服了栖息地术语不一致的问题（例如 'intestine' 与 'gut'），显著提升了微生物多样性研究中的大规模知识发现能力。

ABSTRACT

Microbiology research has access to a very large amount of public information on the habitats of microorganisms. Many areas of microbiology research uses this information, primarily in biodiversity studies. However the habitat information is expressed in unstructured natural language form, which hinders its exploitation at large-scale. It is very common for similar habitats to be described by different terms, which makes them hard to compare automatically, e.g. intestine and gut. The use of a common reference to standardize these habitat descriptions as claimed by (Ivana et al., 2010) is a necessity. We propose the ontology called OntoBiotope that we have been developing since 2010. The OntoBiotope ontology is in a formal machine-readable representation that enables indexing of information as well as conceptualization and reasoning.

研究动机与目标

• 解决公共数据库中微生物栖息地非结构化自然语言描述不一致的问题。
• 克服由于术语如 'gut' 和 'intestine' 存在同义词和多义性而导致的栖息地数据比较与分析困难。
• 开发一个正式的、机器可读的本体，以标准化微生物栖息地术语，支持可扩展的知识发现。
• 利用语义技术实现对微生物栖息地数据的自动化索引、概念化和推理。
• 通过将非结构化文本转化为结构化、可计算的知识，支持大规模生物多样性研究。

提出的方法

• 使用正式本体建模原则，设计并维护一个针对微生物栖息地的领域特定本体 OntoBiotope。
• 使用受控词汇和层级关系，以标准化术语表示微生物栖息地。
• 整合文本挖掘技术，从科学文献中提取栖息地提及，并将其映射到 OntoBiotope 术语。
• 应用语义推理技术，检测不同栖息地描述之间的关系，并推断其等价性。
• 通过标准化格式（例如 OWL）确保与现有生物和环境本体的互操作性。
• 通过在生物多样性数据集成和知识发现工作流中的应用，验证本体的实用性。

实验结果

研究问题

• RQ1 如何系统性地标准化微生物栖息地的非结构化自然语言描述，以支持计算分析？
• RQ2 正式本体在多大程度上能减少微生物栖息地术语中的模糊性和同义性？
• RQ3 文本挖掘管道能否有效将多样化的栖息地术语映射到像 OntoBiotope 这样的统一本体？
• RQ4 使用本体在多大程度上提升了微生物多样性知识发现的可扩展性和准确性？
• RQ5 语义推理在识别不同研究中等价或相关栖息地描述方面有何影响？

主要发现

• OntoBiotope 成功地将微生物栖息地的多样化自然语言术语（例如 'gut'、'intestine'、'colon'）映射到统一的正式结构中。
• 该本体实现了在大规模文本语料中自动化检测和归一化栖息地术语，显著提升了数据整合能力。
• OntoBiotope 内部的语义推理揭示了栖息地描述之间隐藏的等价关系和层级关系。
• 使用标准化本体显著增强了微生物生物多样性知识发现的可扩展性和可重复性。
• 与基于关键词的方法相比，集成 OntoBiotope 的文本挖掘管道在栖息地数据索引和查询方面表现出更高的准确性。
• 该本体支持与其他生物本体的互操作性，促进了系统生物学和生态学中跨领域的数据集成。