Knowledge Acquisition Framework from Unstructured Biomedical Knowledge Sources - TEL - Thèses en ligne Accéder directement au contenu
Thèse Année : 2016

Knowledge Acquisition Framework from Unstructured Biomedical Knowledge Sources

Environnement d'acquisition des connaissances à partir de sources de connaissances biomédicales non structurées

Résumé

In biomedicine, the explosion of textual knowledge sources has introduced formidable challenges for knowledge-aware information systems. Traditional knowledge acquisition methods have been proved costly, resource intensive and time consuming. Automation of large scale knowledge acquisition systems requires narrowing down the semantic gap between biomedical texts and structured representations. In this context, this study proposes a knowledge acquisition framework from biomedical texts. This contributes towards reducing efforts, time and cost incurred to minimaize ontology acquisition bottlenecks. The proposed framework approximates, models, structures and ontologizes implicit knowledge buried in biomedical texts. In the framework, the semantic disambiguator approximates biomedical artefacts from biomedical texts. The conceptual disambiguator models and structures the biomedical knowledge abstracted from the domain texts. Ontologization presents an explicit interpretation of biomedical artefacts and conceptualizations. The components of the framework are instantiated with scientific and clinical text documents and produced about four million concepts and seven million associations. This set of artefacts is structured into the lower ontological knowledge structure where the upper ontology structure is reused from existing ones. The conceptual structure is represented with graph formalism. The formal interpretation is based on OWL DL language primitives and constructs, which generates a set of OWL DL axioms. The set of OWL DL axioms is referred as the OWL ontology (Ko). The extent of approximation and quality of structural design are evaluated using criteria-based methods. A set of metrics is used to measure each criterion and showed encouraging results. Correctness measurements for concept entity are 70% for accuracy, 82% for completeness, 68% for conciseness and 100% for consistency. Quality measurement showed complex ontology structure with metrics values of 986,448 for vocabulary size, 18.73 for connectivity density, 145,246 for tree impurity and 226, 698 for graph entropy. The ontology schema potential metrics values are also 0.80 for relationship richness, 3 for attribute richness and 13,253 for inheritance richness. Ontology clarity showed an average readability, which is 3 attributes on average. The proposed framework has limitations to address the acquisition of individuals and entity attributes, losing cardinality information in the acquisition of the ontological knowledge. These lead to limitations on the formal interpretation of biomedical semantics, which in turn lead to deploy only existential restriction based interpretations. Thus, a way forward has been recommended to enhance semantic disambiguation and ontologization of the proposed framework so that they enable to accommodate the acquisition of cardinality and attribute information.
En biomédecine, l’explosion des sources de connaissances textuelles a introduit de formidables défis pour les systèmes d’information conscients des connaissances. Les méthodes d'acquisition des connaissances traditionnelles se sont révélées coûteuses, gourmandes en ressources et en temps. L'automatisation des systèmes d'acquisition de connaissances à grande échelle nécessite de réduire l'écart sémantique entre les textes biomédicaux et les représentations structurées. Dans ce contexte, cette étude propose un environnement d’acquisition de connaissances à partir de textes biomédicaux. Cela contribue à réduire les efforts, le temps et les coûts engagés pour minimiser les goulots d'étranglement liés à l'acquisition d'une ontologie. Le cadre proposé se rapproche, modélise, structure et ontologie des connaissances implicites enfouies dans des textes biomédicaux. Dans le cadre, l’homonymie sémantique se rapproche des artefacts biomédicaux des textes biomédicaux. L'ambiguïté conceptuel modélise et structure les connaissances biomédicales extraites des textes de domaine. L'ontologisation présente une interprétation explicite des artefacts biomédicaux et des conceptualisations. Les composants du cadre sont instanciés avec des documents textes scientifiques et cliniques et ont produit environ quatre millions de concepts et sept millions d'associations. Cet ensemble d'artefacts est structuré dans la structure de la connaissance ontologique inférieure, où la structure de l'ontologie supérieure est réutilisée à partir des existants. La structure conceptuelle est représentée avec le formalisme graphique. L'interprétation formelle est basée sur les primitives et les constructions du langage OWL DL, qui génère un ensemble d'axiomes OWL DL. L'ensemble des axiomes OWL DL est appelé ontologie OWL (Ko). L'étendue de l'approximation et la qualité de la conception structurelle sont évaluées à l'aide de méthodes basées sur des critères. Un ensemble de métriques est utilisé pour mesurer chaque critère et a donné des résultats encourageants. Les mesures de correction pour l'entité conceptuelle sont de 70% pour la précision, 82% pour l'exhaustivité, 68% pour la concision et 100% pour la cohérence. La mesure de la qualité a montré une structure ontologique complexe avec des valeurs métriques de 986 448 pour la taille du vocabulaire, 18,73 pour la densité de connectivité, 145 246 pour l’impureté des arbres et 226 698 pour l’entropie des graphes. Les valeurs de mesure potentielles du schéma d'ontologie sont également 0,80 pour la richesse des relations, 3 pour la richesse des attributs et 13 253 pour la richesse de l'héritage. La clarté de l'ontologie a montré une lisibilité moyenne, qui est de 3 attributs en moyenne. Le cadre proposé présente des limites pour traiter l'acquisition des attributs d'individus et d'entités, en perdant les informations de cardinalité lors de l'acquisition des connaissances ontologiques. Celles-ci conduisent à des limitations sur l'interprétation formelle de la sémantique biomédicale, ce qui conduit à déployer uniquement des interprétations basées sur des restrictions existentielles. Ainsi, une voie à suivre a été recommandée pour améliorer la désambiguïsation et l’ontologisation sémantique du cadre proposé afin qu’elles permettent l’acquisition de la cardinalité et des informations d’attribut.
Fichier principal
Vignette du fichier
Demeke-modified.pdf (1.77 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)
Loading...

Dates et versions

tel-02087577 , version 1 (18-10-2019)

Identifiants

  • HAL Id : tel-02087577 , version 1

Citer

Demeke Asres Ayele. Knowledge Acquisition Framework from Unstructured Biomedical Knowledge Sources. Information Retrieval [cs.IR]. Université d'Addis Abeba, 2016. English. ⟨NNT : ⟩. ⟨tel-02087577⟩
129 Consultations
356 Téléchargements

Partager

Gmail Facebook X LinkedIn More