바이오 텍스트 마이닝을 이용한 생물학적 개체명 인식 및 생물학 문헌 검색 시스템 통합 = Bio-Named Entities Recognition using Bio-Textmining and Bio-Document Retrieval System Integration

다국어 초록 (Multilingual Abstract)

Every year, the demand of information extraction from documents is rapidly increasing due to the speedy annual rise of biological documents. We construct a system which can easily search biological documents that users are interested in by using a search tool of the system itself, and extract useful biological information in the documents. In order to perceive Bio-named Entities (DISEASE, DNA, RNA, CELL-TYPE, CELL-LINE, PROTEIN), we use a conditional random fields method which is a machine learning algorithm. Specially, Bio-named entities used NLPBA corpus and the corpus added disease names which are extracted by using MeSH and BioText. Also, we perform the Bio-Named Entities recognition algorithm using MALLET and ABNER API. For searching abundant data, XML format containing data up to the year of 2005, which is included in PUBMED, was parsed by using SAX-API, and database suitable for the system was implemented. Furthermore, users can parse documents by inputting XML file which fits PUBMED XML document type, and extract and save desired information. System was offered in a form of GUI and was implemented as JAVA.

국문 초록 (Abstract)

매년 생물학 문헌의 급증에 따라 문서 내부에 존재하는 정보 추출에 대한 요구가 증가 하고 있다. 본 연구는 자체 구축한 Database에 저장된 생물학 문헌들을 검색할 수 있는 시스템과 검색된 문서 내부에 포함된 생물학 관련 유용한 정보(생물학적 개체명)를 추출 할 수 있는 시스템을 통합하는 것을 목표로 한다. 생물학적 개체명 인식을 위해 기계학습 알고리즘 중 하나인 CRF(Conditional Random Fields) 방법을 사용하였다. 훈련용 Data는 MeSH와 Bio-Text로부터 추출한 질병 개체명을 NLPBA 코퍼스에 추가하여 제작 하였다. 생물학적 개체명 인식 알고리즘은 Free Source인 MALLET과 ABNER API를 사용하여 구현 하였다. 또한 풍부한 생물학 문헌 검색을 위해 XML 형식으로 배포된 Medline 문서를 SAX-API로 파싱하여 본 Database 시스템에 적합하게 구축하였다