请先登录
面向中医药文献的语义关系发现方法研究(2)
第一，在文中距离越近的“名词、动词、名词”，越有可能表达一条语义关系。因此，本方法会记录语义关系中的词汇在文中的最短距离，作为反映语义关系真实性的一个参数。
第二，在各种文献中多次出现的“主语谓语宾语”，更有可能代表一条语义关系。若一条关系频繁出现于各种文献中，则其很可能是领域专家认可的。因此，本方法对从各种文献中发现的关系进行汇总，统计每条关系在文中共现的频数，将其作为一个参数提供给术语学家。
第三，文献量越大、越全面，所得到的语义网络就越具有统计价值。鉴于此，采用TCMLS对万方文献库进行检索，以期获得尽可能全面的文献。
第四，构建在中医药领域中常用的动词列表，以该表为基础推测语义关系中的谓词。将主语或宾语附近出现的动词记录下来，作为语义关系的候选谓词，推荐给术语学家。
第五，鉴于文本语义关系发现方法尚不能保证结果的准确性，开发了一个文本语义关系的检阅系统，对文本语义关系进行检查、分析和标注等工作，使术语学家了解语义关系与相关文本的关联。
3、文本语义关系发现和检阅系统
在本研究中，采用Java语言开发了一套文本语义关系发现程序，以实现文本语义关系发现方法。以TCMLS作为关键词，从万方数据知识服务平台检出了217 667条文献题录信息(含摘要)，再用文本语义关系发现程序从摘要中挖出了87826条关系，其中部分的关系如表1所示。所得出的关系被存入一个关系型数据库(MySQL数据库)中，通过文本语义关系检阅系统展示出来，供语言学家进行检阅。
如图2所示，开发了一套文本语义关系的检阅系统，支持用户对文本语义关系进行检阅、分析和标注，查看文本语义关系的文献依据和相关网页，并将文本语义关系正式插入某个术语系统(如TCMLS)。在语义关系检索界面中，系统会将机器发现的语义关系分页列出。用户可输入关键词(如“阳痿肾阳虚证”)搜索个人关心的语义关系。系统列出了每条关系的主体和客体(如“益肾丸肾阳虚证”)，给出每个概念的类型、正名和定义。用户可点击查看某个概念，系统会转到这一概念的信息页面。当用户在上文提到的“语义关系检索界面”中点击查看某条关系，系统就会跳转到这条语义关系的展示和处理界面。
在语义关系的展示和处理界面中，用户可以查看这条关系的主体信息、候选谓词、客体信息、参考性参数。其中，对于主体和客体，都给出了概念的类型、正名、定义以及概念信息页面的链接。候选谓词是基于TCMLS中的用法来生成的，例如，若主体为“人参”，客体为“肾阳虚证”，则系统会推荐“治疗”作为候选谓词。用户可以点击“文献资源”，查看该语义关系所出自的文献。对于每篇文献，系统都给出了题名和摘要。用户单击选择某篇文献的题名时，系统会跳转到该文献的题录信息页面。用户可以点击“百度搜索”，查看该语义关系相关的百度搜索结果，也可以点击“相关陈述”，查看该语义关系在TCMLS中的相关陈述，以供语言学家参考。用户还可通过系统提供的表单，将这条语义关系加入语言系统中。系统会根据TCMLS中的相关用法，列出一些相关属性以供用户选择。用户也可以输入新的属性，例如，为添加“人参除邪气”这条关系，用户可输入“除”这一新属性。用户也可以添加一些注释信息。另外，当关系被录入TCMLS后，系统会记录这条关系的文献来源。
4、小结
数字化文献是中医药知识密集型数据的基础。中医药语义网若与文献资源相脱节，则必成为无源之水、无本之木。从文献中提取语义关系的方法，能有效丰富中医药语义网的内容，建立中医药语义网和文献资源的有机联系，改进中医药文献检索的效果。本研究开展了中医药文献语义关系发现方法的初步探索：基于TCMLS，搜集中医药文献，对文献进行分词处理，从中找出在一起频繁出现的词对，判断语义关系的性质，交由领域专家进行检验。本研究所开发的文本语义关系发现和检阅系统，向术语专家提供从文本中发现新颖语义关系的技术能力。
这项工作尚存在一些局限性。例如，我们尚缺乏判断文本语义关系准确类型的有效手段，也尚未实现发现新词的方法。另外，有些中医药领域的词汇尚未收入TCMLS之中，这影响了语义关系发现的效果。在进一步研究中，拟对从文本中获得的语义关系与TCMLS现有的语义关系进行比较，补充完善TCMLS现有的语义关系网络。拟对从文本中获得的语义关系按概念的语义类型进行归纳，得到语义类型间的语义关系，融合成一个基于文献的顶层语义网络。对TCMLS的顶层语义网络和从文献中实际抽取的语义网络进行比较，对TCMLS现有的项层语义网络进行补充和修正，从而指导中医药学语言系统实际发展和应用。(于彤 贾李蓉 张竹绿 朱玲)
|
微信文章
关注百拇
评论几句
搜索更多
|