實驗資料

本研究使用 QA4MRE pilot task- machine reading of biomedical texts about Alzheimer‟s Disease at CLEF2012 所提供的實驗資料為依據，其中包含背景知識庫 以及測詴資料。此外，為了能夠更精確找出阿茲海默症與基因的關聯性，我們使 用美國國家生物資訊中心(National Center for Biotechnology Information, NCBI)所 建立的網站裡的線上人類孟德爾遺傳學(Online Mendelian Inheritance in Man,

OMIM)⁴，它是一個將人類遺傳疾病分類，並且會與相關聯的人類基因進行連結 的線上資料庫。我們以阿茲海默症作為關鍵字，目的在擷取此疾病的相對應基因 名稱。

(一) 背景知識庫

包含三類背景知識庫來源，以下是這三類知識庫文獻的介紹：

1. Open Access Full Articles PMC：總共 7512 篇 Pubmed Central Open Access 中 所 提 供 的 生 物 文 章 全 文 ， 這 些 文 章 原 本 為 PDF 格 式 ， 在 這 裡 使 用 了 LA-PDFText⁵ (Ramakrishnan, 2012)這個工具轉換為文字檔格式儲存。

2. Open Access Full Articles PMC, Smaller Collection：總共 1041 篇由 Pubmed Central 所提供的文章全文，此處特別以阿茲海默症為關鍵字搜尋相關文章，

將 HTML 格式存為文字檔。

3. Elsevier Full Articles：總共 379 篇文章，以及 103 篇文章摘要，這些文章是 由美國麻薩諸塞州的阿茲海默症研究中心(Massachusetts Alzheimer‟s Disease Research Center)的教授提姆克拉克(Tim Clark)所整理提供，格式為文字檔。

(二) 測詴資料

測詴資料共有四個關於阿茲海默症的測詴資料集，每個測詴集包含一篇文 章、10 個測詴問題，測詴集中的文章與對應測詴集的問題主題關聯性較大。問題 答案皆為單選題，每個問題有五個選項供選擇，因此一個測詴集共有 50 個選項。

4http://omim.org/

5http://code.google.com/p/lapdftext/

整個測詴集則總共有 40 個問題，以及 200 個答案選項。

(三) 相關於阿茲海默症的 OMIM 專有詞

圖 3-1：相關於阿茲海默症的 OMIM 連結之示意圖

在 OMIM 提供的網頁上搜尋阿茲海默症的結果，得到 338 個相關的連結。擷 取專有詞的方法有二：

1. 實驗方法一：在我們早期的實驗中，總共擷取 1549 個 OMIM 專有字，只考 慮以單字為單位。我們從每個連結中擷取疾病主要名稱、次要名稱、其他名 稱以及對應疾病基因與位置(圖中藍色外框部分)，從網頁擷取資訊後，去掉 重複出現過的字與標點符號記錄下來，即為一開始實驗用到的 OMIM 專有字。

例如圖 3-1 黃線箭頭向上的部分即為擷取的部分，最後由此連結得到的 OMIM 專有字包含疾病主要名稱、次要名稱、其他名稱中的"ALZHEIMER"、

"DISEASE"、"AD"、"PRESENILE"、"AND"、"SENILE"、"DEMENTIA"、

"FAMILIAL"、"1"、"INCLUDED"、"AD1"、"EARLY"、"ONSET"、"WITH"、

"CEREBRAL" 、 "AMYLOID" 、 "ANGIOPATHY" 、 "PROTECTION" 、

"AGAINST"以及從圖中藍色外框中擷取出的"APBB2"、"HFE"、"AD10"⋅⋅⋅⋅⋅⋅。

2. 實驗方法二：後來我們考慮到每個連結即代表了同一個相關於阿茲海默症的 OMIM 專有詞，此稱作 OMIM Concept，以詞彙為單位來擷取連結中的概念。

因此在實驗中總共使用到了 338 個 OMIM Concept。我們從每個連結中擷取 (1) Concept Title：疾病主要名稱、次要名稱、其他名稱，(2) Concept Content：

對應疾病基因與位置(圖中藍色外框部分)、該疾病的內容敘述。從網頁擷取 資訊後，將同一個連結中 Concept Title 所擷取到的名稱以標點符號切分成多 個詞彙，而這些詞彙代表著同一個 OMIM Concept。將每一個 OMIM Concept 所代表的詞彙都找完後，則用 Concept Content 來找尋以及建立 OMIM Concept 彼此之間的關係。我們假設在一個連結中的 Concept Content 出現了 此連結以外的 OMIM Concept 詞彙，則視該 OMIM Concept 與此連結的 OMIM Concept 相關。例如圖 3-1 其中一個 OMIM 連結中紅色箭頭所示，此 OMIM Concept 代表的詞彙即為由 Concept Title 以標點符號切分出的"ALZHEIMER DISEASE" 、 "AD" 、 "PRESENILE AND DEMENTIA" 、 "ALZHEIMER DISEASE,FAMILIAL,1,INCLUDED"⋅⋅⋅⋅⋅⋅；而以此 OMIM Concept 的 Concept Content 為例，藍色外框中出現的 APBB2、HFE、AD10⋅⋅⋅⋅⋅⋅皆代表其他連結 不同的 OMIM Concept，而因為這些 OMIM Concept 出現在圖 3-1 這個 OMIM Concept 的連結中，兩兩 Concept 之間就會被視為相關，另外如果在此連結下 面的內文中找到其他連結的 OMIM Concept 詞彙，同理也會被視為與此 OMIM Concept 相關。