1、隨著生物醫(yī)學(xué)文獻(xiàn)數(shù)量的急劇增長(zhǎng)，海量的生物醫(yī)學(xué)信息成為制約生物醫(yī)學(xué)研究者研究的重要因素。一方面，生物醫(yī)學(xué)研究人員很難迅速查找蘊(yùn)藏在這些浩如煙海的生物醫(yī)學(xué)文獻(xiàn)中的具有價(jià)值的信息，因此也幾乎不可能通過(guò)人工的方式及時(shí)更新知識(shí)。與此同時(shí)，生物醫(yī)學(xué)領(lǐng)域具有十分豐富的在線和離線知識(shí)資源。生物醫(yī)學(xué)研究人員可以利用這些知識(shí)資源作為輔助，通過(guò)對(duì)已有知識(shí)資源進(jìn)行科學(xué)的表示并依此來(lái)學(xué)習(xí)新文獻(xiàn)中的知識(shí)，從而來(lái)進(jìn)一步更新和完善這些生物醫(yī)學(xué)知識(shí)資源，進(jìn)而達(dá)到輔助生

2、物醫(yī)學(xué)研究人員研究工作的目的。構(gòu)建這些知識(shí)資源的過(guò)程往往需要耗費(fèi)大量的人力物力財(cái)力，同時(shí)也受到知識(shí)資源構(gòu)建人員學(xué)術(shù)背景等主觀因素的制約。于是研究人員迫切需要一種自動(dòng)的方法來(lái)解決文獻(xiàn)急劇增長(zhǎng)和無(wú)法及時(shí)更新知識(shí)這對(duì)矛盾。生物醫(yī)學(xué)命名實(shí)體標(biāo)準(zhǔn)化正由此應(yīng)運(yùn)而生。
　　 生物醫(yī)學(xué)命名實(shí)體標(biāo)準(zhǔn)化是生物醫(yī)學(xué)文本挖掘研究中重要的基礎(chǔ)環(huán)節(jié)，它不僅與生物醫(yī)學(xué)命名實(shí)體識(shí)別研究緊密聯(lián)系，而且對(duì)后續(xù)實(shí)體關(guān)系抽取以及假設(shè)發(fā)現(xiàn)具有十分重要的意義。眾所周知，基

3、因和蛋白質(zhì)是最重要的生物醫(yī)學(xué)命名實(shí)體，它們對(duì)于生物醫(yī)學(xué)研究人員的研究具有十分重要的價(jià)值。因此，生物醫(yī)學(xué)命名實(shí)體標(biāo)準(zhǔn)化研究的重點(diǎn)細(xì)化為基因提及標(biāo)準(zhǔn)化研究。基因提及標(biāo)準(zhǔn)化的主要任務(wù)是識(shí)別出生物醫(yī)學(xué)文獻(xiàn)中提及的基因和蛋白質(zhì)以及正確建立這些基因提及與標(biāo)準(zhǔn)生物醫(yī)學(xué)數(shù)據(jù)庫(kù)中的標(biāo)識(shí)符之間的映射關(guān)系。通過(guò)這種方式可以降低構(gòu)造相關(guān)知識(shí)資源的成本。因此，生物醫(yī)學(xué)命名實(shí)體標(biāo)準(zhǔn)化具有很高的應(yīng)用價(jià)值。
　　 本文首先介紹了生物醫(yī)學(xué)文本挖掘領(lǐng)域中的基因提及

4、標(biāo)準(zhǔn)化研究的概況。其次把如何利用知識(shí)資源對(duì)基因提及進(jìn)行消歧作為研究范疇。從利用相關(guān)反饋知識(shí)對(duì)消歧問(wèn)題進(jìn)行初步嘗試入手，深入調(diào)研本領(lǐng)域相關(guān)文獻(xiàn)，最終形成本文的核心方法。
　　 本文基于擴(kuò)展語(yǔ)義輪廓消歧的標(biāo)準(zhǔn)化方法主要由四個(gè)部分組成：
　　 第一部分是對(duì)原始的生物醫(yī)學(xué)摘要文本進(jìn)行預(yù)處理，利用現(xiàn)有的命名實(shí)體識(shí)別系統(tǒng)對(duì)處理后的摘要文本進(jìn)行識(shí)別。與此同時(shí)，把BioCreative II組織者提供的字典與數(shù)據(jù)庫(kù)資源中的基因提及同義字

5、信息進(jìn)行合并，從而構(gòu)建字典。最后對(duì)生成的字典進(jìn)行規(guī)范化處理，使其盡量消除由名稱(chēng)拼寫(xiě)差別造成的誤差。
　　 第二部分是構(gòu)造候選基因提及標(biāo)識(shí)符列表。這部分主要的功能是把識(shí)別出來(lái)的基因提及通過(guò)搜索匹配的方法與生物學(xué)數(shù)據(jù)庫(kù)中的標(biāo)識(shí)符進(jìn)行對(duì)應(yīng)，其中具有歧義的基因提及由下一步消歧方法來(lái)確定一個(gè)唯一的數(shù)據(jù)庫(kù)標(biāo)識(shí)符。
　　 第三部分采用基于信息檢索的擴(kuò)展語(yǔ)義信息來(lái)進(jìn)行消歧，并將這種信息轉(zhuǎn)化為特征向量。最后，采用基于wikipedia的后