Complex event extraction at PubMed scale.
Complex event extraction at PubMed scale.
复制标题
DOI：
10.1093/bioinformatics/btq180
复制
发表时间：
2010-06-15
期刊：
影响因子：
--
通讯作者：
Salakoski T
中科院分区：
文献类型：
--
作者：
Björne J;Ginter F;Pyysalo S;Tsujii J;Salakoski T
动机：生物医学文本分析基本工具的成熟和手动注释资源的可用性促进了生物医学信息提取（IE）从关系模型向更具表现力的事件模型的显着转变。事件模型允许复杂自然语言语句的详细表示，并且可以支持从语义搜索到路径提取的许多高级文本挖掘应用程序。最近的一项合作评估证明了事件提取系统的潜力，但迄今为止还没有对该系统的泛化能力或大规模提取的可行性进行研究。结果：本研究考虑了 PubMed 规模的基于事件的 IE。我们引入了一个系统，该系统结合了公开可用的最先进的域解析、命名实体识别和事件提取方法，并在所有 PubMed 引文的代表性 1% 样本上测试了该系统。我们对这种规模的事件提取系统的泛化性能进行了首次评估，并表明尽管计算复杂，但从整个 PubMed 中提取事件是可行的。我们通过对提取信息的大量分析进一步说明了提取方法的价值。可用性：事件检测系统和提取的数据均已获得开源许可，可在 http://bionlp.utu.fi/ 上获取。联系方式：jari.bjorne@utu.fi
Motivation: There has recently been a notable shift in biomedical information extraction (IE) from relation models toward the more expressive event model, facilitated by the maturation of basic tools for biomedical text analysis and the availability of manually annotated resources. The event model allows detailed representation of complex natural language statements and can support a number of advanced text mining applications ranging from semantic search to pathway extraction. A recent collaborative evaluation demonstrated the potential of event extraction systems, yet there have so far been no studies of the generalization ability of the systems nor the feasibility of large-scale extraction. Results: This study considers event-based IE at PubMed scale. We introduce a system combining publicly available, state-of-the-art methods for domain parsing, named entity recognition and event extraction, and test the system on a representative 1% sample of all PubMed citations. We present the first evaluation of the generalization performance of event extraction systems to this scale and show that despite its computational complexity, event extraction from the entire PubMed is feasible. We further illustrate the value of the extraction approach through a number of analyses of the extracted information. Availability: The event detection system and extracted data are open source licensed and available at http://bionlp.utu.fi/. Contact: jari.bjorne@utu.fi
登录
查看更多内容
影响因子：
3
作者：
Chen H;Sharp BM
通讯作者：
Sharp BM
影响因子：
3
作者：
Kabiljo R;Clegg AB;Shepherd AJ
通讯作者：
Shepherd AJ
通过评估跨核心学习，全路径图核用于蛋白质 - 蛋白质相互作用提取。
影响因子：
3
作者：
Airola, Antti;Pyysalo, Sampo;Bjoerne, Jari;Pahikkala, Tapio;Ginter, Filip;Salakoski, Tapio
通讯作者：
Salakoski, Tapio
影响因子：
4.5
作者：
Rimell, Laura;Clark, Stephen
通讯作者：
Clark, Stephen
评估生物学的文本挖掘系统：第二次生物综合社区挑战的概述。
影响因子：
12.3
作者：
Krallinger M;Morgan A;Smith L;Leitner F;Tanabe L;Wilbur J;Hirschman L;Valencia A
通讯作者：
Valencia A