顶层本体GFO在中医药领域本体构建中的应用展望

论述中医药顶层本体构建的必要性及研究现状,并探讨其构建的难点和复杂性。通过比较分析主流顶层本体的特点和区别,阐述了顶层本体GFO(general formal ontology,通用形式化本体)在中医药顶层(领域)本体的构建过程中的独特优势,并提出基于GFO构建中医药顶层本体的倡议,展望未来可能研究的思路和方向。

基于中医药领域本体的信息检索模型研究

针对传统基于关键词匹配的中医药信息检索存在查全率和查准率低下的缺陷,将本体与潜在语义索引相结合,提出一种基于中医药领域本体的语义信息检索模型。该模型基于本体概念扩展树构建相应的查询扩展方法和语义向量空间模型,将用户查询和文档集映射到同一潜在语义空间,通过计算查询向量与文档之间的相似度返回检索结果。着重阐述了该模型的体系结构、实现过程和关键技术,并对其实用性进行论证。

中医药文献语义关系图发现

提出了一种基于中医药语义本体知识库对中医药文献进行语义关系图发现的方法。核心方法分为三个部分:第一步采用中医药语义本体概念名称为字典进行关键词提取;第二步采用关联算法的一种变异算法查找高频关键词组;第三步利用中医药语义本体知识库对关键词组进行语义关系识别,对未能识别的关键词进行语义关系预测。最后每组关键词生成一个对应的语义关系图。实验部分将利用中医药语义本体知识库对中医药文献进行语义关系图的发现,验证提出的算法。

中文中医本体定量评测研究

目的:研究使用来源于实际病案中的二元关系评测中医本体的可行性。方法:利用中医医疗术语集及语义网构建被评测本体,利用中医药学术论文中提及的病例作为测试集来评测本体。结果:包含41652个实例的本体在评测实例名称覆盖度时使用来源于1000-3000个诊次的测试集时,评测结果趋于稳定。在评测本体的关系覆盖度时,使用1000或2000个诊次的测试集评测包含10000-30000个实例的本体时评测结果稳定。使用来源于3000个诊次的评测集时,测试结果在10000-40000个实例的本体上都略有波动。当本体包含40000个实例时,使用1000-3000个诊次的测试集不足以得到稳定结果。结论:利用来自于实际病案的小规模二元关系测试集测试本体的实例覆盖度是可行的,而测试本体的关系覆盖度需要更大规模的测试集。

中文中医本体自动扩展的定量研究

目的对利用新的知识源自动扩展中文中医本体进行定量研究。方法基于中医医疗术语及术语间的关系构建实验用的本体,利用中医药学术论文中提及的病例作为知识源扩展本体,并用作测试集来评测本体扩展前后的质量。结果包含41 652个实例的本体可以通过3000个诊次的医疗信息扩展,对真实临床应用出现的疾病名称的覆盖率由52.3%增至72.4%,证候名称覆盖率由14.8%增至55.8%,药物名称覆盖率由13.7%增至54.8%,治法名称覆盖率由25.8%增至77.2%。结论利用学术论文中提及的病例作为新知识源来自动扩展本体可以显著增加本体的覆盖率。

论GFO的基本框架及顶层本体比较研究

介绍顶层本体GFO(general formal ontology,通用形式化本体)的基本概念和框架,及其他3种主流顶层本体——SUMO(推荐上层合并本体)、DOLCE(语言学和认知工程的描述本体)、BFO(基本形式化本体)。并在总体架构和适用范围、对客观世界的理解等方面进行比较,对兼容性、结构化程度和可扩展性、成熟度及开放度等方面进行评估,认为GFO可以满足构建中医药领域本体上层框架的基本要求。

面向特定领域的语义搜索结果排序算法

为了提高面向特定领域的语义搜索的准确性,在分析现有本体排序算法的基础上,对现有的中医药领域本体的重要性进行了评估。同时在计算检索关键词与结果的匹配度之后,给出综合评估后的排序结果。实验结果表明,该算法给出较合理的排序结果,能较好地满足用户的需求。