텍스트 마이닝 및 자동 추론 기반 생물학 지식 발견 시스템을 위한 확률 기반 필터링 Probabilistic filtering for a biological knowledge discovery system with text mining and automatic inference원문보기
본 논문에서는 텍스트 마이닝을 통해 생물학 문헌에서 분자 수준의 사건(event) 정보를 자동으로 추출하고, 이들 사건 정보를 기반으로 새로운 생물학 지식을 자동 추론하는 텍스트 마이닝 - 추론 통합 구조의 시스템을 다룬다. 이러한 통합 구조의 지식 발견 시스템은 미리 추출되어 데이터베이스에 등록된 정보만을 입력으로 사용하는 시스템들에 비하여 최신 정보를 보다 빨리 사용할 수 있고, 미리 정의된 형식 이외의 다양한 정보를 사용할 수 있다는 장점이 있다. 반면, 텍스트 마이닝 정보 추출 결과를 그대로 사용하기 때문에 텍스트 마이닝 모듈(module)의 성능에 따라 전체 시스템의 효용성이 크게 저하될 수도 있다는 문제가 있다. 본 논문에서는 확률 기반 필터링(filtering) 방법을 제안하여, 텍스트 마이닝 결과 중 양성 오류(false positive)를 효과적으로 제거함으로써 전체 지식 발견 시스템의 정확도 및 효용성을 높이고자 한다. 본 논문에서 제안한 확률 기반 필터링 방법은 기준(baseline) 방법으로 사용된 횟수 기반 필터링 방법보다 높은 성능을 보였다.
본 논문에서는 텍스트 마이닝을 통해 생물학 문헌에서 분자 수준의 사건(event) 정보를 자동으로 추출하고, 이들 사건 정보를 기반으로 새로운 생물학 지식을 자동 추론하는 텍스트 마이닝 - 추론 통합 구조의 시스템을 다룬다. 이러한 통합 구조의 지식 발견 시스템은 미리 추출되어 데이터베이스에 등록된 정보만을 입력으로 사용하는 시스템들에 비하여 최신 정보를 보다 빨리 사용할 수 있고, 미리 정의된 형식 이외의 다양한 정보를 사용할 수 있다는 장점이 있다. 반면, 텍스트 마이닝 정보 추출 결과를 그대로 사용하기 때문에 텍스트 마이닝 모듈(module)의 성능에 따라 전체 시스템의 효용성이 크게 저하될 수도 있다는 문제가 있다. 본 논문에서는 확률 기반 필터링(filtering) 방법을 제안하여, 텍스트 마이닝 결과 중 양성 오류(false positive)를 효과적으로 제거함으로써 전체 지식 발견 시스템의 정확도 및 효용성을 높이고자 한다. 본 논문에서 제안한 확률 기반 필터링 방법은 기준(baseline) 방법으로 사용된 횟수 기반 필터링 방법보다 높은 성능을 보였다.
In this paper, we discuss the structure of biological knowledge discovery system based on text mining and automatic inference. Given a set of biology documents, the system produces a new hypothesis in an integrated manner. The text mining module of the system first extracts the 'event' information o...
In this paper, we discuss the structure of biological knowledge discovery system based on text mining and automatic inference. Given a set of biology documents, the system produces a new hypothesis in an integrated manner. The text mining module of the system first extracts the 'event' information of predefined types from the documents. The inference module then produces a new hypothesis based on the extracted results. Such an integrated system can use information more up-to-date and diverse than other automatic knowledge discovery systems use. However, for the success of such an integrated system, the precision of the text mining module becomes crucial, as any hypothesis based on a single piece of false positive information would highly likely be erroneous. In this paper, we propose a probabilistic filtering method that filters out false positives from the extraction results. Our proposed method shows higher performance over an occurrence-based baseline method.
In this paper, we discuss the structure of biological knowledge discovery system based on text mining and automatic inference. Given a set of biology documents, the system produces a new hypothesis in an integrated manner. The text mining module of the system first extracts the 'event' information of predefined types from the documents. The inference module then produces a new hypothesis based on the extracted results. Such an integrated system can use information more up-to-date and diverse than other automatic knowledge discovery systems use. However, for the success of such an integrated system, the precision of the text mining module becomes crucial, as any hypothesis based on a single piece of false positive information would highly likely be erroneous. In this paper, we propose a probabilistic filtering method that filters out false positives from the extraction results. Our proposed method shows higher performance over an occurrence-based baseline method.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
향후에는 추출 결과 및 추출된 정보의 신뢰도를 산정하는데 있어 개별 사건 정보 추출 시스템으로부터 제공되는 확신값(confidence value)을 활용하는 방안을 연구하고, 효과적인 필터링을 수행하기 위한 임계값을 선정하는 방안에 관해 연구하고자 한다. 또한 이러한 필터링 방법을 적용한 생물학 지식 발견 시스템을 기존의 방법론과[17,18] 연계하여 암 등 복잡질환의 발병 기전을 파악하는데 사용하고자 한다.
이후 본 논문은 아래와 같이 구성된다. 먼저 II절에서 문헌 정보를 바탕으로 생물학 지식을 자동으로 발견하고자 한 관련 연구 및 텍스트 마이닝 결과 중의 오류를 제거하고자 한 관련 연구를 소개한다. 이후 III절에서는 텍스트 마이닝 – 추론 통합 구조의 생물학 지식 발견 시스템을 소개하고, 이러한 시스템에 적용시키기 위한 확률 기반 필터링 기법에 대해 논의한다.
본 논문에서는 BioDetective의 텍스트 마이닝 모듈인 TEES의 정보 추출 결과를 데이터베이스화하기 전에 확률 기반 필터링 방법을 통해 긍정 오류를 제거하고자 하여, 보다 오류가 적은 정보들을 이후의 병행적 시스템 모델 생성 및 모델 체킹(model checking) 과정에 전달하고, 이를 통해 전체 시스템의 정확도 및 효용성을 향상시키는 방안을 다룬다.
본 논문에서는 위와 같은 구조로 정의된 사건 정보들 중에서 양성 오류를 효과적으로 필터링 하기 위한 확률 기반 필터링 방법을 제시한다.
2절에서 논의한 것과 같이 사건 정보는 사건의 유형과 인수들로 정의된다. 본 논문에서는 이러한 사건 정보를 추출하는 사건 정보 추출 시스템(event extraction system)의 정밀성 및 재현율(recall)등의 성능(performance) 값을 측정하는데 있어, 두 개 이상의 인수를 가지는 사건 정보를 여러 개의 단일 인수를 가지는 사건 정보로 분할(decompose)하여 분할된 단일 인수 사건 정보들을 기준으로 시스템의 성능을 측정하는 방법을 사용하고자 한다. 즉, 본 논문에서 논의하는 사건 정보 추출 시스템의 정밀도는 시스템에 의해 추출된 전체 사건-인수 쌍(pair) 중에서 올바르게 추출된 사건인수 쌍의 비율이다.
본 논문에서는 정보 추출 시스템(information extrac tion system)에 의해 추출된 개별 결과와 이들에 의해 나타내어지는 정보를 분리하여 정의한다. 개별 추출 결과는 개별 문장 또는 문헌에 나타난 정보가 정보 추출 시스템에 의해 확인되어 미리 정의된 구조로 형식화되어 나타내어진 결과이다.
본 논문에서는 텍스트 마이닝 결과에 대한 확률 기반 필터링(filtering) 방법을 제안하고, 이를 통해 텍스트 마이닝 결과 중 양성 오류를 효과적으로 제거함으로써 전체 지식 발견 시스템의 정확도 및 효용성을 높이고자 한다. 본 논문에서 제안하는 필터링 방법은 텍스트 마이닝 모듈 고유의 정밀도 값과 동일한 정보가 반복되어 추출되는 횟수에 기반하는 방법으로, 다양한 정보 추출(information extraction) 결과에 적용이 가능하다.
본 논문에서는 텍스트 마이닝을 기반으로 하는 생물학 지식 자동 추론 시스템의 정확성 및 효용성을 높이기 위해 텍스트 마이닝 시스템을 통해 추출된 정보 중에서 긍정 오류일 가능성이 높은 정보를 확률 기반의 방법으로 필터링하는 방법을 제안하였다. 본 논문에서 제안한 방법은 횟수 기반의 기준 필터링 방법보다 높은 성능을 보였다.
본 절에서는 먼저 개별 추출 결과 및 추출된 정보의 신뢰도를 정의하고, 이를 사건 정보에 적용하는 방법에 대해 논의한다. 이어 이러한 신뢰도 정보를 바탕으로 사건 정보를 필터링하는 알고리즘을 제시한다.
이에 따라 본 논문에서는 텍스트 마이닝을 통하여 생물학 문헌에서 분자 수준의 사건(event) 정보를 자동으로 추출하고, 이들 사건 정보를 기반으로 새로운 생물학 지식을 자동 추론하는 시스템의 구성에 대해 논의한다. 본 논문에서 제시하는 생물학 지식 자동 추론 시스템은 텍스트 마이닝과 자동 추론이 통합된 형태이다.
가설 설정
문헌 정보를 이용하여 생물학 지식을 자동으로 추론하고자 한 대표적 연구로는 Swanson의 연구가[6,7,8] 있다. 이는 생물학적 개념 A와 생물학적 개념 B 사이에 문헌에 자주 함께 나타나는 공기 관계가 있고(co-occurrence), 생물학적 개념 B와 생물학적 개념 C 사이에도 공기 관계가 있을 때, A와 C사이에 어떠한 의미상의 연관관계가 존재할 것이라는 가정을 기본으로 한다. Swanson의 연구 및 이러한 가정을 공유하는 다른 연구들을[9,10] 통해서 실제로 유용한 생물학적 가설이 발견되기도 했지만, 이러한 방법들을 통해 추론해내는 가설은 그 정확도가 많이 떨어진다는 단점이 있다.
제안 방법
TEES에 의해 얻어진 추출 결과에 확률 기반 필터링 알고리즘 및 횟수 기반의 기준 필터링 방법을 각각 적용한 후, 이들 필터링 방법을 통해 참긍정인 것으로 예상된 사건 정보들 중에서 실제로 GENIA Task 코퍼스에 주석 처리 되어 있는 정보들을 실제 참긍정인 것으로 파악하고, 그렇지 않은 것들은 양성오류인 것으로 판단하였다. 그리고 이를 바탕으로 각 필터링 방법의 양성예측도(true positive rate) 및 위양성율(false positive rate)을 측정하였다. 또한, 각 필터링 방법에 다양한 임계값을 적용하면서 성능 변화를 관찰하였다.
그리고 이를 바탕으로 각 필터링 방법의 양성예측도(true positive rate) 및 위양성율(false positive rate)을 측정하였다. 또한, 각 필터링 방법에 다양한 임계값을 적용하면서 성능 변화를 관찰하였다.
이후 확률 기반 필터링 방법을 제시하고, 이를 BioDetective의 텍스트 마이닝 모듈에 적용하기 위한 구체적 방법을 논의한다. 마지막으로 BioDetective의 텍스트 마이닝 모듈에 적용된 필터링 방법을 테스트하여 그 성능을 평가한다.
먼저 TEES를 사용하여 GENIA Task 코퍼스 중 생물학 문헌의 초록들로부터 생물학 사건 정보를 자동으로 추출하였다. 이렇게 추출된 각 사건 정보에서 인수로 등장하는 유전자(gene) 및 단백질(protein)의 이름은 Hugo Gene Nomen clature Committee (HGNC)에[16] 의해 제공되는 유전자 이름 사전을 활용하여 HGNC의 공식 유전자 심볼로 대체되었다.
생성된 병행적 시스템 모델은 다시 NuSMV라는[16] 모델 체커(model checker)의 입력으로 주어진다. 병행적 시스템 모델을 입력으로 받은 NuSMV에 선형 시제 논리 (linear temporal logic) 형태로 기술된 질의문이 주어지면, NuSMV가 병행적 시스템 모델에서 선형 시제 논리 형태로 나타내어진 인과 관계가 성립가능한지 여부를 판단한다. 이 판단 결과가 BioDetective의 최종 출력이 된다.
이에 따라 본 논문에서는 텍스트 마이닝을 통하여 생물학 문헌에서 분자 수준의 사건(event) 정보를 자동으로 추출하고, 이들 사건 정보를 기반으로 새로운 생물학 지식을 자동 추론하는 시스템의 구성에 대해 논의한다. 본 논문에서 제시하는 생물학 지식 자동 추론 시스템은 텍스트 마이닝과 자동 추론이 통합된 형태이다. 이러한 텍스트 마이닝 – 추론 통합 구조의 지식 발견 시스템은 미리 추출되어 데이터베이스에 등록된 정보를 입력으로 사용하는 방식의 생물학 지식 추론 시스템들에[4] 비하여 최신 정보를 보다 빨리 사용할 수 있고, 데이터베이스에 미리 정의된 형식 이외에 보다 다양한 정보를 사용할 수 있다는 장점이 있다.
본 논문에서는 텍스트 마이닝 결과에 대한 확률 기반 필터링(filtering) 방법을 제안하고, 이를 통해 텍스트 마이닝 결과 중 양성 오류를 효과적으로 제거함으로써 전체 지식 발견 시스템의 정확도 및 효용성을 높이고자 한다. 본 논문에서 제안하는 필터링 방법은 텍스트 마이닝 모듈 고유의 정밀도 값과 동일한 정보가 반복되어 추출되는 횟수에 기반하는 방법으로, 다양한 정보 추출(information extraction) 결과에 적용이 가능하다. 따라서 다양한 정보의 사용을 위해 여러 종류의 텍스트 마이닝 모듈을 사용할 것이 예상되는 텍스트 마이닝 – 추론 통합 구조의 지식 발견 시스템에 특히 적합하다.
본 논문에서 제안한 확률 기반 필터링 시스템의 성능을 평가하기 위하여 BioNLP Shared Task 2011의 GENIA Task 코퍼스(corpus)를 사용한 실험을 수행하였다. 이 코퍼스는 TEES에서 추출하는 사건 정보들과 같은 사건 유형 및 인수의 역할 유형을 가지는 사건 정보들을 생물학 문헌에 주석처리(annotation)해 둔 코퍼스이다.
본 논문에서 제안한 확률 기반 필터링 알고리즘은 사건 정보 추출 시스템에 특화되어 있다. 그러나 본 논문에서 제안한 추출 결과 및 추출된 정보의 신뢰도 계산법은 다른 형태의 정보를 추출하는 텍스트 마이닝 시스템의 결과를 정제하기 위해서도 긴요하게 사용될 수 있을 것으로 기대된다.
본 논문에서는 제안하는 필터링 방법의 성능을 횟수 기반(occurrence-based)의 기준(baseline) 필터링 방법과 비교하여 평가하였다. 횟수 기반 기준 필터링 방법은 사건 정보 추출 시스템에 의해 얻어진 사건 정보들 중에서 임계값으로 정한 횟수 이상의 추출 결과들이 나타난 사건 정보들만을 참긍정인 것으로 간주하는 방법이다.
표 2는 실험을 위해 사용된 TEES의 세분화된 정밀도 값으로, TEES의 GENIA Task 코퍼스에 대한 사건 정보 추출 결과를 GENIA Task 코퍼스의 주석 처리된 정보와 비교하여 직접 측정한 값이다. 본 논문의 실험을 위한 정밀도 값은 각 사건 정보의 유형 별로 측정된 값으로, 하나의 사건 정보 유형에 대하여 각 인수의 역할 유형에 따른 정밀도 값은 모두 같은 값으로 책정되었다.
본 논문에서 제안하는 확률 기반 필터링 방법은 정보 추출 시스템(information extraction system)의 알려진 정밀도 값을 기반으로 개별 추출 결과 및 추출된 정보의 신뢰도를 산정하고, 이를 바탕으로 일정 수준 이상의 신뢰도를 가지는 정보들만을 골라내어 사용하는 방법이다. 본 절에서는 먼저 개별 추출 결과 및 추출된 정보의 신뢰도를 정의하고, 이를 사건 정보에 적용하는 방법에 대해 논의한다. 이어 이러한 신뢰도 정보를 바탕으로 사건 정보를 필터링하는 알고리즘을 제시한다.
본 절에서는 먼저 텍스트 마이닝 – 추론 통합 구조의 지식 발견 시스템인 BioDetective를 소개한다.
유전자 및 단백질 이름들이 HGNC의 공식 심볼로 대체된 사건 정보들은 본 논문에서 제시한 확률 기반 필터링 알고리즘을 통하여 참긍정인 것으로 예상되는 것들과 양성 오류인 것으로 예상되는 것들로 나뉘어졌다. 표 2는 실험을 위해 사용된 TEES의 세분화된 정밀도 값으로, TEES의 GENIA Task 코퍼스에 대한 사건 정보 추출 결과를 GENIA Task 코퍼스의 주석 처리된 정보와 비교하여 직접 측정한 값이다.
그러나 이러한 텍스트 마이닝 기반의 지식 추론 연구들은, 텍스트 마이닝 과정의 오류들로 인해 전체 추론 결과의 정확도가 떨어지기 쉽다는 문제점을 가지고 있다. 이를 보완하기 위해Giles와 Wren은[5] 특정 횟수 이상으로 반복되어 추출된 정보만을 사용하는 방법을 사용하였다. 그들은 2회 이상 반복되어 추출된 정보들만을 사용하여 카페인(caffeine)과 체내 다른 물질들 사이의 관계를 파악하고자 하였다.
이후 III절에서는 텍스트 마이닝 – 추론 통합 구조의 생물학 지식 발견 시스템을 소개하고, 이러한 시스템에 적용시키기 위한 확률 기반 필터링 기법에 대해 논의한다.
본 절에서는 먼저 텍스트 마이닝 – 추론 통합 구조의 지식 발견 시스템인 BioDetective를 소개한다. 이후 확률 기반 필터링 방법을 제시하고, 이를 BioDetective의 텍스트 마이닝 모듈에 적용하기 위한 구체적 방법을 논의한다. 마지막으로 BioDetective의 텍스트 마이닝 모듈에 적용된 필터링 방법을 테스트하여 그 성능을 평가한다.
데이터처리
이후 III절에서는 텍스트 마이닝 – 추론 통합 구조의 생물학 지식 발견 시스템을 소개하고, 이러한 시스템에 적용시키기 위한 확률 기반 필터링 기법에 대해 논의한다. 또한 제안하는 확률 기반 필터링 방법을 기준(baseline) 방법과 비교하여 그 성능을 확인한다. 마지막으로 IV절에서는 본 논문에서의 논의를 결론짓는다.
성능/효과
횟수 기반 기준 필터링 방법은 사건 정보 추출 시스템에 의해 얻어진 사건 정보들 중에서 임계값으로 정한 횟수 이상의 추출 결과들이 나타난 사건 정보들만을 참긍정인 것으로 간주하는 방법이다. TEES에 의해 얻어진 추출 결과에 확률 기반 필터링 알고리즘 및 횟수 기반의 기준 필터링 방법을 각각 적용한 후, 이들 필터링 방법을 통해 참긍정인 것으로 예상된 사건 정보들 중에서 실제로 GENIA Task 코퍼스에 주석 처리 되어 있는 정보들을 실제 참긍정인 것으로 파악하고, 그렇지 않은 것들은 양성오류인 것으로 판단하였다. 그리고 이를 바탕으로 각 필터링 방법의 양성예측도(true positive rate) 및 위양성율(false positive rate)을 측정하였다.
본 논문에서 제안한 방법은 횟수 기반의 기준 필터링 방법보다 높은 성능을 보였다. 또한 적절한 임계값을 적용할 경우에는 전체 텍스트 마이닝의 성능을 높일 수도 있음을 보였다.
본 논문에서는 텍스트 마이닝을 기반으로 하는 생물학 지식 자동 추론 시스템의 정확성 및 효용성을 높이기 위해 텍스트 마이닝 시스템을 통해 추출된 정보 중에서 긍정 오류일 가능성이 높은 정보를 확률 기반의 방법으로 필터링하는 방법을 제안하였다. 본 논문에서 제안한 방법은 횟수 기반의 기준 필터링 방법보다 높은 성능을 보였다. 또한 적절한 임계값을 적용할 경우에는 전체 텍스트 마이닝의 성능을 높일 수도 있음을 보였다.
본 논문에서 제안한 확률 기반 필터링 방법은 이전 연구들에서[5] 사용된 바 있는 횟수 기반 필터링 방법보다 높은 성능을 보인다. 또한 저자들이 아는 한 본 논문은 정보 추출 결과의 필터링에 대한 정량적 분석을 시도한 최초의 연구이다.
후속연구
본 논문에서 제안한 확률 기반 필터링 알고리즘은 사건 정보 추출 시스템에 특화되어 있다. 그러나 본 논문에서 제안한 추출 결과 및 추출된 정보의 신뢰도 계산법은 다른 형태의 정보를 추출하는 텍스트 마이닝 시스템의 결과를 정제하기 위해서도 긴요하게 사용될 수 있을 것으로 기대된다.
본 논문에서 이러한 유전자 및 단백질 이름의 동의어 파악을 위해 사용한 HGNC 유전자 이름 사전에는 GENIA Task 코퍼스에 주석 처리된 전체 유전자 및 단백질 이름 중 71%(394/553)가 등록되어 있다. 따라서 유전자 및 단백질 이름의 동의어 파악을 위한 좀 더 효과적인 방법을 사용한다면 필터링 방법의 성능을 더 높일 수 있을 것으로 기대된다.
확률 기반의 필터링 방법 및 횟수 기반의 기준 필터링 방법은 모두 동일한 정보에 관한 추출 결과가 반복해서 추출될 때, 해당 정보의 신뢰도를 높이 평가하는 방법이다. 따라서, 동일한 정보를 나타내는 추출 결과의 개수를 정확하게 파악할수록 필터링 결과가 정확해 질 것으로 기대되는데, 이를 위해서는 동일한 유전자 및 단백질을 나타내는 서로 다른 유전자 및 단백질 이름들을 잘 파악하는 것이 필요하다. 본 논문에서 이러한 유전자 및 단백질 이름의 동의어 파악을 위해 사용한 HGNC 유전자 이름 사전에는 GENIA Task 코퍼스에 주석 처리된 전체 유전자 및 단백질 이름 중 71%(394/553)가 등록되어 있다.
이러한 성능 측정 방법은 생물학 분야의 사건 정보 추출에 대한 경연인 BioNLP shared task에서[15] 시도된 방법으로, 보다 복잡한 구조의 사건 정보를 추출하는 것에 가중치를 두는 방법이다. 또한, 이러한 사건-인수의 쌍을 기본 단위로 하는 성능 측정 방법을 사용하면 사건 및 인수의 유형 별로 사건 정보 추출 시스템의 정밀도를 파악하기가 용이한데, 이렇게 세분화된 정밀도 값은 추출 결과 및 추출된 정보의 신뢰도를 보다 세밀하게 측정하는데 사용될 수 있다.
따라서 다양한 정보의 사용을 위해 여러 종류의 텍스트 마이닝 모듈을 사용할 것이 예상되는 텍스트 마이닝 – 추론 통합 구조의 지식 발견 시스템에 특히 적합하다. 이러한 확률 기반 필터링 방법은 개별 텍스트 마이닝 모듈의 정밀성 향상을 위한 방법들과 상호보완적으로 전체 지식 발견 시스템의 정확도 향상을 가져올 것으로 기대된다.
향후에는 추출 결과 및 추출된 정보의 신뢰도를 산정하는데 있어 개별 사건 정보 추출 시스템으로부터 제공되는 확신값(confidence value)을 활용하는 방안을 연구하고, 효과적인 필터링을 수행하기 위한 임계값을 선정하는 방안에 관해 연구하고자 한다. 또한 이러한 필터링 방법을 적용한 생물학 지식 발견 시스템을 기존의 방법론과[17,18] 연계하여 암 등 복잡질환의 발병 기전을 파악하는데 사용하고자 한다.
질의응답
핵심어
질문
논문에서 추출한 답변
텍스트 마이닝 – 추론 통합 구조의 지식 발견 시스템은 어떤 장점이 있나?
본 논문에서 제시하는 생물학 지식 자동 추론 시스템은 텍스트 마이닝과 자동 추론이 통합된 형태이다. 이러한 텍스트 마이닝 – 추론 통합 구조의 지식 발견 시스템은 미리 추출되어 데이터베이스에 등록된 정보를 입력으로 사용하는 방식의 생물학 지식 추론 시스템들에[4] 비하여 최신 정보를 보다 빨리 사용할 수 있고, 데이터베이스에 미리 정의된 형식 이외에 보다 다양한 정보를 사용할 수 있다는 장점이 있다. 반면에 텍스트 마이닝의 정보 추출 결과를 그대로 사용하기 때문에 텍스트 마이닝 모듈(module)의 성능에 따라 전체 시스템의 효용성이 크게 저하될 수도 있다는 문제를 가지고 있다.
본 논문에서 제시하는 생물학 지식 자동 추론 시스템은 어떤 형태인가?
이에 따라 본 논문에서는 텍스트 마이닝을 통하여 생물학 문헌에서 분자 수준의 사건(event) 정보를 자동으로 추출하고, 이들 사건 정보를 기반으로 새로운 생물학 지식을 자동 추론하는 시스템의 구성에 대해 논의한다. 본 논문에서 제시하는 생물학 지식 자동 추론 시스템은 텍스트 마이닝과 자동 추론이 통합된 형태이다. 이러한 텍스트 마이닝 – 추론 통합 구조의 지식 발견 시스템은 미리 추출되어 데이터베이스에 등록된 정보를 입력으로 사용하는 방식의 생물학 지식 추론 시스템들에[4] 비하여 최신 정보를 보다 빨리 사용할 수 있고, 데이터베이스에 미리 정의된 형식 이외에 보다 다양한 정보를 사용할 수 있다는 장점이 있다.
텍스트 마이닝 – 추론 통합 구조의 지식 발견 시스템은 어떤 문제를 가지고 있나?
이러한 텍스트 마이닝 – 추론 통합 구조의 지식 발견 시스템은 미리 추출되어 데이터베이스에 등록된 정보를 입력으로 사용하는 방식의 생물학 지식 추론 시스템들에[4] 비하여 최신 정보를 보다 빨리 사용할 수 있고, 데이터베이스에 미리 정의된 형식 이외에 보다 다양한 정보를 사용할 수 있다는 장점이 있다. 반면에 텍스트 마이닝의 정보 추출 결과를 그대로 사용하기 때문에 텍스트 마이닝 모듈(module)의 성능에 따라 전체 시스템의 효용성이 크게 저하될 수도 있다는 문제를 가지고 있다. 특히 텍스트 마이닝 모듈의 정밀성(precision)이 중요한데, 이는 잘못된 텍스트 마이닝을 통해 도입된 양성 오류(false positive)가 자동 추론을 위한 기초 정보로 사용된 경우, 이를 바탕으로 얻어낸 가설들이 부정 될 확률이 높아지기 때문이다.
참고문헌 (20)
P.Zweigenbaum and D.Demner-Fushman, Advanced literature-mining tools, In J.E.Stajich, D.Edwards and D.Hansen, eitors, "Bioinformatics: Tools and Applications," pp.347-381, Springer, Sep. 2009.
E.Antezana, M.Kuiper, and V.Mironovm, "Biological knowledge management: the emerging role of the semantic web technologies," Briefings in Bioinformatics, Vol. 10, No. 4, pp.392-407, May 2009.
Q.Zhu, Y.Sun, S.Challa, Y.Ding, M.Lajiness, and D.Wild, "Semantic inference using chemogenomics data for drug discovery," BMC Bioinformatics, Vol. 12, No. 1, pp.256, June 2011.
C.B.Giles and J.D.Wren, "Large scale directional relationship extraction and resolution," BMC Bioinformatics, Vol. 9, No. suppl 9, pp.S11, Aug. 2008.
D.R.Swanson, "Two medical literatures that are logically but not bibliographically connected," Journal of the American Society for Information Science, Vol. 38, No. 4, pp.228-233, July 1987.
D.R.Swanson, "Complementary structures in disjoint science literatures," In Proceedings of the 14th annual international ACM SIGIR conference on Research and development in information retrieval, Oct. 1991.
D.R.Swanson, and N.R.Smalheiser, "An interactive system for finding complementary literatures: a stimulus to scientific discovery," Artif. Intell., Vol. 91, No. 2, pp.183--203, April 1997.
K.Seiki and J.Mostafa, "Discovering implicit associations between gens and hereditary diseases," In Proceedings of the Pacific Symposium on Biocomputing 2007, Jan. 2007.
M.Yetisgen-Yildiz and W.Pratt, "Using statistical and knowledge based approaches for literature based discovery," Journal of Biomedical Informatics, Vol. 39, No. 6, pp.600-611, Jan. 2006.
D.Hristovski, C.Friedman, T.C.Rindflesch, and B.Peterlin, "Exploiting semantic relations for literature based discovery," In AMIA Annual Symposium Proceedings, Nov. 2006.
L.Tari, S.Anwar, S.Liang, J.Cai, and C.Baral, "Discovering drug drug interactions: a text mining and reasoning approach based on properties of drug metabolism," Bioinformatics, Vol. 26, No. 18, pp.i547-i553, Sep. 2010.
J.D.Kim, S.Kraines, W.Guo, and J.Tsujii. "Inference for bioie: Genia meets ekoss," In Proceedings of the 3rd International Symposium on Language in Biology and Medicine, Nov. 2009.
H.J.Lee and J.C.Park, "Towards Knowledge Discovery through Automatic Inference with Text Mining in Biology and Medicine," In Proceedings of the 3rd International Symposium on Semantic Mining in Biomedicine, Sep. 2008.
J.Bjorne, F.Ginter, J.Heimonen, A.Airola, T.Pahikkala and T.Salakoski, "Extracting Complex Biological Events with Rich Graph-Based Features Sets," In Proceedings of the BioNLP'09 Shared Task on Event Extraction, pp.10-18, June 2009.
A.Cimatti et al., "NuSMV 2: An opensource tool for symbolic model checking," In Proceedings of CAV 2002, pp.27-31. July 2002.
J.D. Kim, S.Pyysalo, T.Ohta, R.Bossy, N.Nguyen and J.Tsujii, "Overview of BioNLP Shared Task 2011," In Proceedings of BioNLP Shared Task 2011 Workshop, pp. 1-6, June 2011.
S.Povey, R.Lovering, E.Bruford, M.Wright, M.Lush and He.Wain, "The HUGO Gene Nomenclature Committee (HGNC)," Human Genetics Vol. 109, No. 6, pp.678-680, Oct. 2001.
S.Leem, K.Wee, "Prediction of SNP interactions in complex diseases with mutual information and boolean algebra," Journal of The Korea Society of Computer and Information, Vol.15, No.11, pp.215-224, Nov. 2010.
H.Jeong, Y.Yoon, "Class prediction of an indepen dent sample using a set of gene modules consisting of gene-pairs which were condition(Tumor, Normal) specific," Journal of The Korea Society of Computer and Information, Vol.15, No.12, pp.197-207, Dec. 2010.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.