< Terug naar vorige pagina

Project

Gestructureerde Machine Learning voor Biomedische Kennis Extractie.

De biomedische literatuur is omvangrijk en neemt steeds toe in volume. Wetenschappers zijn in staat om een steeds kleiner wordend aandeel van deze literatuur te lezen. Slechts een klein deel van de biomedische kennis wordt uit deze documenten onttrokken. Wetenschappers vragen daarom dringend betere hulpmiddelen om de literatuur te beheersen. Bovendien, terwijl computers de mogelijkheid hebben om wetenschappelijke teksten te doorzoeken, zijn ze nog steeds zeer beperkt wat betreft kennisextractie uit tekst. In dit project wordt mijn systeem van gestructureerd machinaal leren toegepast op biomedische kennisextractie. Het voorgestelde model van leren is in staat om beschikbare expertkennis en -ontologieën te exploiteren. Dit model is gebaseerd op een eerder in mijn proefschrift voorgesteld model voor de extractie van ruimtelijke informatie uit tekst. Dit model kan omgaan met de complexiteit van gestructureerd leren uit relationele gegevens door het opdelen van een complex probleem in kleinere deelproblemen en het exploiteren van efficiënte optimalisatietechnieken. De specifieke taken betreffen de extractie van bacteriën en hun habitats, en de extractie van pathway-informatie uit tekst.
Datum:26 sep 2013 →  25 sep 2014
Trefwoorden:Natural language processing, Natural language meaning representation, Structured machine learning, Biomedical information extraction, Biomedical knowledge extraction Inferenc, Ontology population
Disciplines:Rechten