A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Metodologia de Pré-processamento Textual para Extração de Informação em Artigos Científicos do Domínio Biomédico Universidade Federal de São Carlos - UFSCar.

Apresentações semelhantes


Apresentação em tema: "Metodologia de Pré-processamento Textual para Extração de Informação em Artigos Científicos do Domínio Biomédico Universidade Federal de São Carlos - UFSCar."— Transcrição da apresentação:

1 Metodologia de Pré-processamento Textual para Extração de Informação em Artigos Científicos do Domínio Biomédico Universidade Federal de São Carlos - UFSCar Departamento de Computação - DC Programa de Pós-Graduação em Ciência da Computação - PPGCC Aluno: Pablo Freire Matos Orientador: Dr. Ricardo Rodrigues Ciferri Coorientador: Dr. Thiago Alexandre S. Pardo Área: Banco de Dados

2 Roteiro Introdução Contexto Objetivos Proposta de Dissertação WTDBD/SBBD 08/10/09 2/20

3 Roteiro Introdução Contexto Objetivos Proposta de Dissertação WTDBD/SBBD 08/10/09 3/20

4 Contextualização Quantidade imensa de informação disponível Humanos não são capazes de assimilar todo esse conteúdo Informação via , blogs, wikis, artigos... + de 80% das informações estão em formato de texto WTDBD/SBBD Tan (1999) e Chen (2001) 08/10/09 Grantz (2007) 4/20

5 Contextualização PubMed + de 18 milhões de artigos (desde 1966) MEDLINE (área de ciências + biomedicina) Entrez - Sistema integrado do NCBI 35 bases com 350 milhões de registros Sickle Cell Anemia registros do PubMed (citações e resumos) do PubMed Central (artigos completos) WTDBD/SBBD 08/10/09 5/20

6 Contextualização Infinidade de meios de publicação American Journal of Hematology, Blood, British Journal of Haematology, Haematologica, The New England Journal of Medicine,… Leva tempo para ler e identificar as principais informações do artigo Solução: Mineração de Textos WTDBD/SBBD 08/10/09 6/20

7 Objetivos Identificar e extrair informações novas, úteis e interessantes em artigos científicos sobre a doença Anemia Falciforme Foco: efeitos positivos e negativos (do tratamento) Organização e armazenamento de informação em um BD para posterior mineração WTDBD/SBBD 08/10/09 7/20

8 BD Exemplo de Extração de Termos WTDBD/SBBD she died during the second year of therapy from acute severe anemia during an episode of splenic sequestration Efeito Negativo in some adolescents poor compliance was evident Outros BD Reductions in the frequency of chest syndrome and the number of transfusions strengthen the conclusion that hydroxyurea is a useful agent in sickle cell anemia Reductions in the frequency of chest syndrome Reductions in the number of transfusions episode of splenic sequestration 08/10/09 Aprendizado de Máquina Regras e Dicionário Efeito Positivo 8/20

9 Roteiro Introdução Proposta de Dissertação WTDBD/SBBD 08/10/09 9/20

10 Processo de MT WTDBD/SBBD 08/10/09 É uma das fases mais críticas Feldman e Sanger (2007) 10/20

11 Metodologia de Pré-processamento WTDBD/SBBD 08/10/09 11/20

12 Pré-processamento Textual WTDBD/SBBD 08/10/09 12/20

13 Processo Geral de Extração de Informação WTDBD/SBBD 08/10/09 13/20

14 Categorização WTDBD/SBBD Saída Treinamento Efeito Negativo Efeito Positivo Outros Teste Diversos arquivos com sentenças de efeito positivo Diversos arquivos com sentenças de efeito negativo Diversos arquivos com sentenças de outros Novo texto TXT Conjunto de sentenças classificadas em classes Classes Anthony e Lashkia (2003) Precisão de 68% 08/10/09 14/20

15 Sentenças classificadas - Mover WTDBD/SBBD 08/10/09 15/20

16 Análise dos Resultados - Classificação Taxa de Precisão (P) Baseline P Topline Baseline: Mover Topline: Taxa de precisão humana 50 sentenças (efeito positivo, efeito negativo e outros) Kappa de 6 anotadores (65,20%) WTDBD/SBBD 08/10/09 Ganho de 18,99% Ganho de 27,01% 16/20

17 Considerações Sobre a Classificação Pré-processamento: 3 classes (Complicação, Benefício e Outro) Matriz atributo-valor Frequência mínima = 2 1 a 3 gramas sem stopword e sem stemmer Eliminar Ruído com J48 Balanceamento (Bias 1 em Java - Mantém a distribuição das classes) Seleção de Atributo (Meta) Ganho de Informação Classificador Naive Bayes Support Vector Machine WTDBD/SBBD 08/10/09 17/20

18 Extração de Informação: Dicionário + Regras 1. Identificar verdadeiro positivo (efeito positivo) 2. Eliminar falso positivo (fator de risco) 3. Elaborar como recuperar falsos negativos WTDBD/SBBD reductions in the frequency of chest syndrome and the number of transfusions strengthen the conclusion that hydroxyurea is a useful agent in sickle cell anemia 1 in scd children hydroxyurea has been shown to decrease the rate and the intensity of painful events and the number of days of hospitalization 2 hydroxyurea therapy can ameliorate the clinical course of sickle cell anemia in some adults with three or more painful crises per year 3 treatment was also stopped in another patient because of the first occurrence of pathological tcd velocities 4 08/10/09 18/20

19 Análise dos Resultados - Extração Precisão, Revocação e Medida-F (Extração de Informação) Comparação com outros trabalhos WTDBD/SBBD 08/10/09 19/20

20 Quatro Experimentos 1. Regras 2. Regras e Dicionário 3. AM e Regras 4. AM, Regras e Dicionário WTDBD/SBBD 08/10/09 20/20

21 Metodologia de Pré-processamento Textual Voltada à Extração de Informação em Artigos Científicos do Domínio Biomédico Universidade Federal de São Carlos - UFSCar Departamento de Computação - DC Programa de Pós-Graduação em Ciência da Computação - PPGCC Dúvidas ? Aluno: Pablo Freire Matos Orientador: Dr. Ricardo Rodrigues Ciferri Coorientador: Dr. Thiago Alexandre S. Pardo Área: Banco de Dados

22 Cronograma de Atividades WTDBD/SBBD Defesa do exame de qualificação Classificação manual (anotadores: 3 médicos e 3 leigos) em três classes de 50 sentenças e cálculo da medida de concordância Kappa Treinamento e teste no classificador Mover de 500 a sentenças identificadas manualmente nos artigos. Calcular a acurácia. Desenvolvimento do módulo de extração de efeitos da AF(abordagem baseada em regras e dicionário) Avaliar a extração de informação com as medidas de precisão, revocação e Medida-F Redação e submissão de artigo aos encontros qualificados de Ciência da Computação Concepção e projeto da ferramenta SCAeXtractor, integrando o módulo de classificação e o de extração nesta ferramenta para o processo de extração de informação ser realizado de forma transparente e automática Realização dos quatros testes propostos na análise dos resultados Possibilitar ao especialista do domínio visualizar e validar o resultado da extração de informação Redação da dissertação de mestrado Preparação e defesa da dissertação 08/10/09 22/20

23 Referências ANTHONY, L.; LASHKIA, G. V. Mover: a machine learning tool to assist in the reading and writing of technical papers. IEEE Transactions on Professional Communication, v. 46, n. 3, p , ARANHA, C. N. Uma abordagem de pré-processamento automático para mineração de textos em português: sob o enfoque da inteligência computacional. 144 f. Tese (Doutorado em Engenharia Elétrica) – Departamento de Engenharia Elétrica, Pontifícia Universidade Católica do Rio de Janeiro, Rio de Janeiro, BREMER, E. G. et al. Text mining of full text articles and creation of a knowledge base for analysis of microarray data. In: KNOWLEDGE EXPLORATION IN LIFE SCIENCE INFORMATICS (KELSI), 2004, Milan, Italy. Proceedings p CHEN, H. Knowledge management systems: a text mining perspective. Tucson, AZ: University of Arizona, CORNEY, D. P. A. et al. BioRAT: extracting biological information from full- length papers. Bioinformatics, v. 20, n. 17, p , WTDBD/SBBD 08/10/09 23/20

24 Referências (cont. 1) FELDMAN, R.; DAGAN, I. Knowledge discovery in textual databases (KDT). In: INTERNATIONAL CONFERENCE ON KNOWLEDGE DISCOVERY AND DATA MINING (KDD), 1995, Montréal, Québec. Proceedings... Menlo Park, CA: AAAI Press, p FELDMAN, R.; SANGER, J. The text mining handbook: advanced approaches in analyzing unstructured data. New York: Cambridge University Press, p. GARTEN, Y.; ALTMAN, R. Pharmspresso: a text mining tool for extraction of pharmacogenomic concepts and relationships from full text. BMC Bioinformatics, v. 10, p. S6, Suppl. 2. GANTZ, J. F. et al. The expanding digital universe: a forecast of worldwide information growth through IDC Whitepaper, HEARST, M. A. Untangling text data mining. In: ANNUAL MEETING OF THE ASSOCIATION OF COMPUTATIONAL LINGUISTICS, 37th, 1999, College Park, Maryland. Proceedings... Morristown, NJ: Association for Computational Linguistics, p WTDBD/SBBD 08/10/09 24/20

25 Referências (cont. 2) IMAMURA, C. Y.-M. Pré-processamento para extração de conhecimento de bases textuais. 103 f. Dissertação (Mestrado em Ciência de Computação e Matemática Computacional) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, MARTINS, C. A. Uma abordagem para pré-processamento de dados textuais em algoritmos de aprendizado. 174 f. Tese (Doutorado em Ciência de Computação e Matemática Computacional) – Instituto de Ciências Matemáticas e de Computação, Universidade de São Paulo, São Carlos, MINISTÉRIO DA SAÚDE. Doença falciforme e outras hemoglobinopatias: anemia falciforme NATIONAL CENTER FOR BIOTECHNOLOGY INFORMATION. PubMed Disponível em:. Acesso em: 16 mar http://www.ncbi.nlm.nih.gov/pubmed/ NATIONAL CENTER FOR BIOTECHNOLOGY INFORMATION. Entrez, the life sciences search engine Disponível em:. Acesso em: 26 mar http://www.ncbi.nlm.nih.gov/Entrez/ SCHUEMIE, M. J. et al. Distribution of information in biomedical abstracts and full-text publications. Bioinformatics, v. 20, n. 16, p , WTDBD/SBBD 08/10/09 25/20

26 Referências (cont. 3) ______. Evaluation of techniques for increasing recall in a dictionary approach to gene and protein name identification. Journal of Biomedical Informatics, v. 40, n. 3, p , TAN, A.-H. Text mining: the state of the art and the challenges. In: KNOWLEDGE DISCOVERY FROM ADVANCED DATABASES (KDAD), 1999, Beijing, China. Proceedings... PAKDD, p TANABE, L.; WILBUR, W. J. Tagging gene and protein names in biomedical text. Bioinformatics, v. 18, n. 8, p , 2002a. ______. Tagging gene and protein names in full text articles. In: WORKSHOP ON NATURAL LANGUAGE PROCESSING IN THE BIOMEDICAL DOMAIN, 2002, Phildadelphia, Pennsylvania. Proceedings... Morristown, NJ: Association for Computational Linguistics, 2002b. p WTDBD/SBBD 08/10/09 26/20

27 Referências Classificação ANTHONY, L.; LASHKIA, G. V. Mover: a machine learning tool to assist in the reading and writing of technical papers. IEEE Transactions on Professional Communication, v. 46, n. 3, p , BURSTEIN, J.; MARCU, D.; KNIGHT, K. Finding the WRITE stuff: automatic identification of discourse structure in student essays. Intelligent Systems, IEEE, v. 18, n. 1, p , BATISTA, G. E. A. P. A.; PRATI, R. C.; MONARD, M. C. A study of the behavior of several methods for balancing machine learning training data. SIGKDD Explorations Newsletter, v. 6, n. 1, p , HEY, D. F.; FELTRIM, V. D. Uma investigação sobre a aplicação de algoritmos de aprendizado à classificação de papéis retóricos. In: VIII Fórum de Informática e Tecnologia de Maringá, XI Mostra de Trabalhos de Informática, 2008, Maringá. Anais... Universidade Estadual de Maringá, p /10/09 WTDBD/SBBD 27/20

28 Referências Classificação (Cont.) WITTEN, I. H.; FRANK, E. Data mining: practical machine learning tools and techniques with Java implementations. 2nd ed. San Francisco, CA: Morgan Kaufmann, p. WTDBD/SBBD 08/10/09 28/20


Carregar ppt "Metodologia de Pré-processamento Textual para Extração de Informação em Artigos Científicos do Domínio Biomédico Universidade Federal de São Carlos - UFSCar."

Apresentações semelhantes


Anúncios Google