大规模生物医学文献医学主题词的高精度自动标注研究
批准号:
61572139
项目类别:
面上项目
资助金额:
63.0 万元
负责人:
朱山风
依托单位:
学科分类:
生物信息计算与数字健康
结题年份:
2019
批准年份:
2015
项目状态:
已结题
项目参与者:
周雅倩、拜昕、高骏宁、吴栋梁、彭声闻、袁庆军、吕倩、乔羽
中文摘要
生物医学文献医学主题词的精确标注对于广大生物医学研究人员意义重大,不仅能够帮助研究人员快速找到所需文献,而且为他们进一步挖掘文献,发现新的知识奠定坚实基础。本项目的主要目标是开发大规模生物医学文献医学主题词的高精度自动标注算法,帮助标注人员高效精确标注每年70多万篇生物医学文献,从而更好的服务于广大生物医学研究人员。本课题以生物医学文献医学主题词的预测为研究对象,在机器学习的理论框架指导下,设计基于表示学习的算法获得文献的合适特征表示弥补词袋表示的不足;然后设计基于多标记学习的算法有效处理高达27000多个医学主题词的预测;最后设计基于排序学习的算法有机融合不同表示、预测方法和信息,以提高预测精度。拟解决的科学问题包括:(1)如何结合生物医学文献特点设计合适的文献表示;(2)如何设计考虑医学主题词之间相关性的高效预测算法;(3)排序学习中如何为候选医学主题词设计高区分度特征。
英文摘要
Accurate MeSH (Medical Subject Headings) indexing of biomedical documents is very important for the biomedical researchers. It can not only help the biomedical researchers to find relevant documents, but also facilitate the process of literature mining and knowledge discovery. The main objective is to develop an accurate large scale MeSH indexing algorithm, which can help NLM indexers to efficiently index more than 700,000 new MEDLINE documents every year, and thus provide a better service for the biomedical researchers. The main idea is to develop an accurate indexing algorithm based on machine learning. Firstly, we try to obtain a better representation of biomedical documents based on representation learning; Secondly, we will design an efficient algorithm to handle more than 27,000 MeSH terms by multi-label learning; Finally, based on learning to rank, we will try to improve the prediction performance by integrating different types of representation, predicting methods and MeSH information. Here are three key scientific problems to solve: (1) how to design a better representation by considering the characteristics of biomedical documents; (2) how to design an efficient predication algorithm by considering the dependency of MeSH terms; 3) How to encode the candidate MeSH in the learning to rank framework.
最大的生物医学文献数据库MEDLINE覆盖了全世界5600多种学术期刊,收录了超过2900万医学文献记录。 每年新增文献近100万篇,平均每篇文档标注约13个医学主题词(MeSH)。生物医学文献医学主题词的精确标注对于广大生物医学研究人员意义重大,不仅能够帮助研究人员快速找到所需文献,而且为他们发现新的知识奠定坚实基础。本项目的主要目标是开发大规模生物医学文献医学主题词的高精度自动标注算法。主要研究内容包括(1)结合生物医学文本的特点,如何获得合适的生物医学文献特征表示;(2)基于不同特征表示方法,研究多种高效精确的多标记算法解决大规模生物医学文献医学主题词预测问题;(3)研究融合策略,即如何有效融合不同特征表示、多种预测算法和各种信息的有效途径,从而提高预测精度。本项目的重要研究成果包括 (1)基于深度语义表示的MeSH标注算法DeepMeSH; 它使用深度语义表示D2V-TFIDF将稀疏表示和密集语义表示连接在一起,基于排序学习集成了从新语义表示中生成的各种类型的证据,提高大规模MeSH标注的精度。(2)基于全文的MeSH标注算法FullMeSH; 它很好的利用了目前日益增长的全文文献, 将全文分成几部分,如摘要、介绍、方法、实验和结论。每部分单独训练一个基于注意力的卷积神经网络,同时结合稀疏语义表示和深度语义表示,将不同部分的证据整合到排序学习框架中,从而获得了标注性能的提升。(3)基于标签树和注意力感知的深度学习算法AttentionXML;它通过引入基于原始文本的多标签注意机制作为输入捕获每个标签最相关文本,解决了目前其他方法难以捕获标签相关子文本的问题。它还通过使用一种浅而宽的概率标签树处理百万级别的标签范围,突破了先前方法应用于超大标签规模的可扩展性瓶颈。这些算法不仅在生物信息学和机器学习顶级会议或期刊发表,同时也在相关国际竞赛中获得验证。除此之外,这些算法的核心思想也可以用来解决其他大规模多标签学习问题,如蛋白功能预测、药物靶标相互作用预测等。
期刊论文列表
专著列表
科研奖励列表
会议论文列表
专利列表
登录
查看更多内容
FullMeSH: improving large-scale MeSH indexing with full text
FullMeSH:利用全文改进大规模 MeSH 索引
DOI:
10.1093/bioinformatics/btz756
发表时间:
2020-03-01
期刊:
BIOINFORMATICS
影响因子:
5.8
作者:
[Dai, Suyang, You, Ronghui, Zhu, Shanfeng]
通讯作者:
Zhu, Shanfeng
DeepMeSH: deep semantic representation for improving large-scale MeSH indexing.
DeepMeSH:用于改进大规模 MeSH 索引的深度语义表示
DOI:
10.1093/bioinformatics/btw294
发表时间:
2016-06-15
期刊:
Bioinformatics (Oxford, England)
影响因子:
--
作者:
[Peng S, You R, Wang H, Zhai C, Mamitsuka H, Zhu S]
通讯作者:
Zhu S
DrugE-Rank: improving drug-target interaction prediction of new candidate drugs or targets by ensemble learning to rank.
DrugE-Rank:通过集成学习排序来改进新候选药物或靶标的药物-靶点相互作用预测
DOI:
10.1093/bioinformatics/btw244
发表时间:
2016-06-15
期刊:
Bioinformatics (Oxford, England)
影响因子:
--
作者:
[Yuan Q, Gao J, Wu D, Zhang S, Mamitsuka H, Zhu S]
通讯作者:
Zhu S
MeSHSim: An R/Bioconductor package for measuring semantic similarity over MeSH headings and MEDLINE documents
MeSHSim:R/Bioconductor 软件包,用于测量 MeSH 标题和 MEDLINE 文档的语义相似性
DOI:
10.1142/s0219720015420020
发表时间:
2015-12-01
期刊:
JOURNAL OF BIOINFORMATICS AND COMPUTATIONAL BIOLOGY
影响因子:
1
作者:
[Zhou, Jing, Shui, Yuxuan, Zhu, Shanfeng]
通讯作者:
Zhu, Shanfeng
GOLabeler: improving sequence-based large-scale protein function prediction by learning to rank
GOLabeler:通过学习排序改进基于序列的大规模蛋白质功能预测
DOI:
10.1093/bioinformatics/bty130
发表时间:
2018-07-15
期刊:
BIOINFORMATICS
影响因子:
5.8
作者:
[You, Ronghui, Zhang, Zihan, Zhu, Shanfeng]
通讯作者:
Zhu, Shanfeng
共 7 条
人类基因相关临床表型预测的高效算法研究
-
批准号:--
-
项目类别:面上项目
-
资助金额:54万元
-
批准年份:2022
-
负责人:朱山风
-
依托单位:
大规模蛋白质功能预测的高效算法研究
-
批准号:61872094
-
项目类别:面上项目
-
资助金额:65.0万元
-
批准年份:2018
-
负责人:朱山风
-
依托单位:
MHC II类分子亲和肽的高精度预测研究
-
批准号:61170097
-
项目类别:面上项目
-
资助金额:57.0万元
-
批准年份:2011
-
负责人:朱山风
-
依托单位:
基于信息融合的生物医学文本高性能聚类研究
-
批准号:60903076
-
项目类别:青年科学基金项目
-
资助金额:17.0万元
-
批准年份:2009
-
负责人:朱山风
-
依托单位:
国内基金
海外基金