發(fā)布時(shí)間：2021-09-03 22:23

　　大量的生物文本為生物醫(yī)學(xué)研究提供了豐富的資源。但由于文本數(shù)量巨大，無法通過人工處理來獲取信息。文本挖掘能從現(xiàn)有的文獻(xiàn)中自動(dòng)地挖掘感興趣的信息。借助于文本挖掘，可以從文獻(xiàn)數(shù)據(jù)庫檢索需要的生物醫(yī)學(xué)文本；這些非結(jié)構(gòu)化的文本包含了大量的研究成果和實(shí)驗(yàn)數(shù)據(jù)，文本挖掘可以找出其中蘊(yùn)含的重要信息和知識(shí)；在所發(fā)現(xiàn)的信息的基礎(chǔ)上，研究人員可以進(jìn)一步生成假設(shè)、進(jìn)行推斷和預(yù)測(cè)、指導(dǎo)實(shí)驗(yàn)和更深入的研究。癌癥已經(jīng)成為影響人類健康的主要惡性疾病之一，對(duì)癌癥的預(yù)防、診斷和治療是一個(gè)重要的研究熱點(diǎn)。以文本形式存在的大量癌癥相關(guān)的文獻(xiàn)和實(shí)驗(yàn)數(shù)據(jù)為生物醫(yī)學(xué)研究提供了寶貴的資料。許多研究者借助于文本挖掘在處理文本數(shù)據(jù)方面的優(yōu)勢(shì)，將癌癥研究和文本挖掘相結(jié)合，使用文本挖掘技術(shù)發(fā)現(xiàn)新的知識(shí)，以促進(jìn)生物醫(yī)學(xué)的深入研究。本文綜述了文本挖掘的各項(xiàng)子任務(wù)、一般處理流程、常用數(shù)據(jù)集和工具，介紹了目前文本挖掘在癌癥中的應(yīng)用研究，具體包括：1)介紹了文本挖掘的相關(guān)概念、各項(xiàng)子任務(wù)以及處理流程；2)細(xì)述了一些常用的文本挖掘工具和語料，分析比較了這些工具的優(yōu)缺點(diǎn)和適用領(lǐng)域；3)分析總結(jié)了基于文本挖掘的癌癥系統(tǒng)生物學(xué)研究常規(guī)流程；4)指出了文本挖掘... 

【文章來源】：蘇州大學(xué)江蘇省 211工程院校

【文章頁數(shù)】：127 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

以“textmining”為檢索詞在PubMed中搜索文獻(xiàn)數(shù)量及趨勢(shì)

是現(xiàn)今生物醫(yī)學(xué)研究者關(guān)注的一個(gè)問題。第三，通過文本挖掘預(yù)測(cè)結(jié)生成假設(shè)以指導(dǎo)實(shí)驗(yàn)以及進(jìn)一步的深入研究，是非常有幫助的。這既是一個(gè)研究，也是一個(gè)需要解決的挑戰(zhàn)。2.2 文本挖掘及其子任務(wù)文本挖掘的過程主要包括信息檢索（Information Retrieval）、信息抽取（Informatixtraction）、知識(shí)發(fā)現(xiàn)（Knowledge Discovery）和假設(shè)生成（Hypothesis Generation息檢索是檢索與感興趣的信息相關(guān)的文本，包括題目、摘要、段落和句子等。信取主要的目的是從數(shù)據(jù)集中挖掘出一些預(yù)定義的特殊信息，包括實(shí)體的類型和實(shí)的關(guān)系等。知識(shí)發(fā)現(xiàn)從文本數(shù)據(jù)中抽取新的知識(shí)。假設(shè)生成是在文本的基礎(chǔ)上，出未知的知識(shí)。文本挖掘的四個(gè)階段如圖 2-2 所示，首先從文本集中檢索出所需本，通過實(shí)體識(shí)別找出文本實(shí)體，通過信息抽取發(fā)現(xiàn)顯性的知識(shí)，也可以通過假成產(chǎn)生假設(shè)，指導(dǎo)實(shí)驗(yàn)和研究。相應(yīng)地，生物文本挖掘包括了信息檢索、命名體、關(guān)系抽取盒假設(shè)生成等子任務(wù)。

生物信息學(xué)模型及在前列腺癌中的應(yīng)用研究 第 2 章 文本挖掘在癌癥中的員重要的研究領(lǐng)域之一。在文獻(xiàn)數(shù)據(jù)庫中，存在的大量的關(guān)于癌癥的生物 以 “ cancer ” 作 為 檢 索 詞 （ text mining[Title/Abstract] or literTitle/Abstract]）在 PubMed[24]中搜索文獻(xiàn)，總共檢索得到 637125 篇關(guān)于，并且呈逐年增加的趨勢(shì)，如圖 2-3 所示。這些大量關(guān)于癌癥的研究文獻(xiàn)值的資源。

【參考文獻(xiàn)】：
期刊論文
[1]上海市徐匯區(qū)2000—2010年惡性腫瘤發(fā)病率統(tǒng)計(jì)分析[J]. 張琴,顧治華,倪紅偉.  山西醫(yī)藥雜志. 2012(06)
[2]蛋白質(zhì)相互作用網(wǎng)絡(luò)的蜂群信息流聚類模型與算法[J]. 雷秀娟,田建芳.  計(jì)算機(jī)學(xué)報(bào). 2012(01)
[3]雄激素非依賴前列腺癌細(xì)胞系代謝組學(xué)的初步研究[J]. 劉永霞,朱小麗,陳玉華,郭飛,沈默,陳占國(guó),徐威,陳德瑩,陶志華.  分析化學(xué). 2011(03)
[4]一種基于Q學(xué)習(xí)的LDoS攻擊實(shí)時(shí)防御機(jī)制及其CPN實(shí)現(xiàn)[J]. 劉陶,何炎祥,熊琦.  計(jì)算機(jī)研究與發(fā)展. 2011(03)
[5]最小狀態(tài)變?cè)骄?jiǎng)賞的強(qiáng)化學(xué)習(xí)方法[J]. 劉全,傅啟明,龔聲蓉,伏玉琛,崔志明.  通信學(xué)報(bào). 2011(01)
[6]survivin和GRIM-19在前列腺癌組織中的表達(dá)[J]. 劉艷波,沈維高,葛賀,蓋曉東,蘆麗莉,趙雪儉.  中華男科學(xué)雜志. 2011(01)
[7]基于Q學(xué)習(xí)的無線傳感器網(wǎng)絡(luò)自組織方法研究[J]. 章韻,王靜玉,陳志,鮑貴城,周峰,扈羅全.  傳感技術(shù)學(xué)報(bào). 2010(11)
[8]強(qiáng)化學(xué)習(xí)研究綜述[J]. 陳學(xué)松,楊宜民.  計(jì)算機(jī)應(yīng)用研究. 2010(08)
[9]Fuzzy Q-learning in continuous state and action space[J]. XU Ming-liang1,2,XU Wen-bo2 1. Department of Electronic Information Engineering,Wuxi City College of Vocational Technology,Wuxi 214063,China 2. School of Information Technology,Jiangnan University,Wuxi 214122,China.  The Journal of China Universities of Posts and Telecommunications. 2010(04)
[10]前列腺癌的表觀遺傳學(xué)研究進(jìn)展[J]. 易曉明,周文泉.  中華男科學(xué)雜志. 2010(07)



本文編號(hào)：3381974