Enfermedad llamada reconocimiento de entidad

Question

Tengo un montón de documentos de texto que describen enfermedades. Esos documentos son en la mayoría de los casos bastante cortos y a menudo solo contienen una sola oración. Un ejemplo se da aquí:

hipertensión pulmonar primaria es una enfermedad progresiva en la que la oclusión generalizada de las arterias pulmonares más pequeñas conduce a un aumento de la resistencia vascular pulmonar e insuficiencia ventricular posteriormente derecha.

Lo que necesito es una herramienta que busca todos los términos de la enfermedad (por ejemplo, "hipertensión pulmonar" en este caso) en las frases y los asigna a un vocabulario controlado, como MeSH.

¡Gracias de antemano por sus respuestas!

Answer 1

Ver http://www.ebi.ac.uk/webservices/whatizit/info.jsf

Whatizit es un sistema de procesamiento de texto que le permite hacer minería de textos tareas en el texto. Las tareas vienen definidas por las interconexiones en la lista desplegable de la ventana anterior y el texto se puede pegar en el área de texto .

También puede pedir a biostars: http://www.biostars.org/show/questions/

Answer 2

hay muchas herramientas para hacerlo. algunos de los más populares:

• NLTK (pitón)
• LingPipe (java)
• Stanford NER (java)
• OpenCalais (servicio web)
• Illinois NER (java)

más de ellos vienen con algunos modelos predefinidos, es decir, ya han sido entrenados en algún conjunto de datos generales s (artículos de noticias, etc.). sin embargo, sus textos son bastante específicos, por lo que es posible que primero desee constituir un corpus y volver a entrenar una de esas herramientas, para ajustarlo a sus datos.

más simplemente, como primera prueba, puede probar un enfoque basado en el diccionario: diseñe una lista de nombres de entidades y realice una coincidencia exacta o aproximada. por ejemplo, esta operación está descrita en LingPipe's tutorial.

Answer 3

Éstos son dos tuberías que están diseñados específicamente para el análisis del documento médico:

• Apache cTAKES
• NLM's MetaMap

Tanto el uso de UMLS, el sistema de lenguaje médico unificado, y por lo tanto requieren que tenga una licencia (gratuita). Ambos son Java y más o menos fáciles de configurar.