李智恒 桂颖溢 杨志豪 林鸿飞 王 健

1(大连理工大学计算机科学与技术学院 辽宁大连 116024)

2(北京理工大学光电学院 北京 100081)

(zhihengli@mail.dlut.edu.cn)

当前，生物医学文献数目大幅度增长，但是大量生物医学知识仍然隐藏在文献中，例如PubMed摘要.与其他主题相比，全球的PubMed用户对化学物质、疾病以及二者之间关系的检索频率最高[1-2]，这也反映出它们在生物医学研究和卫生保健领域的重要意义[3].因此，一些生物医学数据库，如CTD (comparative toxicogenomics database)[4]，通过人工标注的方式，将非结构化文本中的化学物质-疾病关系(chemical-disease relation， CDR)标注成结构化知识，从而鉴定化学物质的潜在毒性.但是，由于人工标注CDR耗费大量时间和精力，并且很难满足生物医学文献迅速增长的需求[3]，因此，自动地从生物医学文献中抽取CDR信息成为一个重要的研究领域.

此前，一些研究已涉足药物副作用关系抽取领域.Xu等人[5]提出一个知识驱动的模式学习方法，该方法与支持向量机(support vector machine, SVM)和基于共现方法相比，准确率和F值有显著提高，但是召回率有所下降.Kang等人[6]提出基于知识的药物副作用事件抽取系统，该系统与基于机器学习的方法相比，能够利用小规模训练集数据取得较好效果.Gurulingappa等人[7]提出一个基于SVM的统计关系抽取系统用于从医疗病例报告中识别潜在药物副作用事件.

2015年，BioCreative V组织一个从生物医学文献中自动抽取化学物质致病(chemical-induced disease, CID)关系的评测任务.该任务旨在支持新药发现和药物安全性检测[3,8].参加评测的系统以原始PubMed文章摘要作为系统输入……