web挖掘与信息抽取系统

web挖掘与信息抽取系统内容摘要：

y lymphoedema shooting pain in the direction of ulna nerve pain left arm local, regional or distant a year’s time today at this time pain clinic clinic pain clinic General Surgical pain clinic mastectomy left open capsulotomy removal of her prosthesis management management recurrence no signs of recurrence bony lymphoedema shooting pain in the direction of ulna nerve pain left arm local, regional or distant a year’s time today at this time pain clinic clinic pain clinic General Surgical pain clinic mastectomy left open capsulotomy removal of her prosthesis management management recurrence no signs of recurrence bony lymphoedema shooting pain in the direction of ulna nerve pain left arm local, regional or distant a year’s time today at this time pain clinic clinic pain clinic General Surgical pain clinic mastectomy left open capsulotomy removal of her prosthesis management management 也可跨越多个文档 放射报告、病理学报告，或 其它叙述性报告 来自于药品或实验中的信息 从文本中抽取关键信息 自动实现相关事件的链接。 What happened amp。 why ? What was done amp。 why ? Interventions Problems Problem Site Locations Time recurrence no signs of recurrence bony lymphoedema shooting pain in the direction of ulna nerve pain left arm local, regional or distant a year’s time today at this time pain clinic General Surgical pain clinic mastectomy left open capsulotomy removal of her prosthesis management pain clinic mastectomy caused_by bony lymphoedema 形成病历 CLEFRMHEntryKey: 52A4F6DB2B46E Female 66 with radiation induced leukaemia since 1931 Onset age 63. Thirty three appointments to date. Problems: Aplastic anaemia, cataract, asthenia Tx:imatinib Meds: unclear Hospital EPR EPR Drugs Refer Tools Help Protocol 354 Staging CT BP Haem Chem Immu Bact Xray ECG USS Coryza: chest NAD: reassure URTI: wheezy: amoxycillin Anxiety: lump under arm: staging scan PEFR : 300 : PEFR : 400: CXR requested CXR Basal Consolidation: : erythromycin : Chest clear : Depression: recurrence: Paroxetine WCC OK : : rpt Rx paroxetine Pain L arm: : coproxamol Viral URTI: PEFR 350: salbutamol WCCAbnormal : : : BP, ECG NAD : Results Letters Appt Drugs 形成一个非常简短的病历摘要 在首页上形成一个摘要 只有通过许可的人才可看到人名等信息 RMH EntryKey: 6EMaria SklodowskaCuri 病历摘要 信息抽取 （ Information Extraction， IE） 信息抽取是一个输入 /输出过程 输入：未知文本信息 输出：固定格式、无二意性数据 (信息 ) 这些被抽取出来的数据可以 直接显示给用户 存储于数据库或电子表格中以供随后分析 被用于索引系统，以便于将来进行检索访问 IE目标 将信息点从各种各样的文档中抽取出来，以统一的形式集成在一起，形成结构化信息。 信息抽取系统将把互联网变成巨大的数据库。 IE特点 并不试图全面理解整篇文档，只是对文档中包含相关信息的部分进行分析。 至于哪些信息是相关的，将由系统设计时定下的领域范围而定。 IE系统关键组成部分是一系列的抽取规则或模式，其作用是确定需要抽取的信息。 信息检索和信息抽取对比 信息检索是从大量文献集（数据库）中找出相关子集的过程 信息检索和信息抽取对比 信息抽取是抽取真正适合用户的那些信息片段（相关事实），并提供给用户。 与自动文摘、文本理解比较 自动文摘和文本理解是广域的 IE是特定域的（“特定”程度需要用户协助确定） IE的历史 信息抽取技术的前身是文本理解，即把握整篇文档的精确内容。 文本理解系统通常只在很窄的知识领域范围内运行良好，向其他新领域移植的性能却很差。 IE不求整篇理解，只求片断抽取。 过去几年IE研究成果丰硕，英语和日语姓名识别的成功率达到了人类专家的水平。 评价指标 IE技术的评测起先采用经典的信息检索 (IR)评价指标，即回召率 (Recall)和查准率 (Precision)， 但稍稍改变了其定义。 准确率 P=抽出的正确信息点数 /所有抽出的信息点数 覆盖率 R=抽出的正确信息点数 /所有正确的信息点数 . 综合算法： 其中 是一个预设值，决定对 P侧重还是对 R侧重。 通常设定为 1。 这样用 F一个数值就可很看出系统的好坏 信息抽取分类 结构化文本抽取 半结构化文本抽取 自由式文本抽取 结构化文本的抽取 结构化文本是一种数据库里的文本信息，或者是根据事先规定的严格格式生成的文本。 从这样的文本中抽取信息是非常容易的，准确度也高，通过描述其格式即可达到目的。 半结构化文本的抽取 自然语言理解方法、 结构化文本抽取方法对半结构文本 不一定有效，抽取模式通常依赖字符和象 html标记那样的分隔标志，句法和语义信息的作用则非常有限。 自由式文本的抽取 从自由文本中析取有限的信息。 例如，从报道恐怖袭击活动的新闻中析取袭击者、所属组织、地点、受害者等信息。 处理自由文本的 IE系统通常使用自然语言处理技巧，其抽取规则主要建立在词或词间句法关系基础之上。 处理步骤 句法分析、语义标注、专有对象的识别（如人物、公司）和基于规则的抽取。 IE相关的研究活动 MUC(Message Understanding for Comprehension) MET(Multilingual Entity Task Evaluation) ACE(Automatic Content Extraction) DUC(Document Understanding Conferences) MUC (Message Understanding for Comprehension。