Graph-based methods for biomedical concept disambiguation

• Autor(a) principal: Rodrigues, Renato Pinho
• Data de Publicação: 2015
• Tipo de documento: Dissertação
• Idioma: eng
• Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
• Texto Completo: http://hdl.handle.net/10773/18565
• topic: Engenharia de computadores e telemática; Bioinfomática; Biomedicina -- Conceitos; Pesquisa de informação

Desambiguação do sentido das palavras é a tarefa de atribuir um significado inequívoco a uma palavra ou termo ambíguo, tendo em conta o contexto em que este está inserido. O domínio da biomedicina contem um grande número de termos ambíguos, não identificar corretamente o sentido associado a cada termo tem um impacto negativo na performance de aplicações biomédicas tais como as de anotação automática e indexação, as quais são cada vez mais de extrema importância no contexto biomédico e clinico, dado o rápido crescimen-to da informação digital disponível para os investigadores. Este tese foca-se na desambiguação de termos biomédicos e apresenta uma solução que atribui identificadores únicos a palavras ambíguas baseando-se, para isso, no Unified Medical Language System (UMLS). O método proposto é uma aproximação baseada em fontes de conhecimento a qual não necessita de dados de treino, sendo assim uma solução generalizada que pode ser am-plamente aplicada para resolver ambiguidades no domínio biomédico. Este método baseia-se em grafos obtidos a partir do UMLS, tendo em consideração os conceitos presentes no contexto da palavra ambígua, e utiliza um algoritmo de PageRank para atribuir pontuações aos grafos. Adicionalmente foi desen-volvido e disponibilizado um web-service para uma fácil integração em aplica-ções de terceiros, com o objetivo de munir essas aplicações com um módulo fácil de usar e com grande potencial. O sistema foi testado e avaliado utilizando uma coleção de testes de desambi-guação de conceitos, desenvolvido pelo U.S. National Library of Medicine, especificamente o MSH WSD Test Collection, um conjunto de dados que con-tém mais de 37 mil ocorrências de 203 termos ambíguos. Os melhores resultados obtidos pelo sistema proposto alcançaram uma preci-são de 63.3% no subset do MSH WSD Test Collection.