錯誤分析

可以從實驗數據中發現，文章 22529981 相較於其他文章 precision 低了 6%以 上，原因在於這篇文章中除了有許多沒有辦法辨識的基因外，還有許多的文字是 敘述實驗過程所使用的藥品、溶劑或是化學的專有名詞，這些東西在實驗所使用 的 GDep 剖析器(GENIA Dependency parser)中是沒有辦法辨識的，所以這一類的 指代問題並沒有辦法有效的進行指代消解，如圖 13 為文章 22529981 中的 170 到 172 句，所敘述的事情是細胞的孵育必頇使用 DNA-calcium 加速培養，清洗兩次 Dulbecco 改良 Eagle 的培養基並使用 7 毫升的 DMEM 進行培養。經過 24 小時以 後，收集這些培養基並將這些細胞一樣用 24 小時及使用 7 毫升的 DMEM 進行培

41

養。匯集這些培養基，將它們用 0.45 微米的過濾器過濾，將其等分成 2 毫升，儲 存在零下 80 度。

Cells were incubated overnight with DNA-calcium precipitates, washed twice with Dulbecco's modified Eagle's medium (DMEM, Invitrogen) and incubated with 7 mL of DMEM .

After 24 h, the conditioned medium was harvested and cells were incubated a second time with 7 mL of DMEM for 24 h .

Media were then pooled, passed through 0 .45 µm filter, and stored at −80°C as 2 mL aliquots until use .

圖 13：文章 22529981 中的句子片段

為了找出發生錯誤的原因，可以觀察在 170 到 172 這段句子中，可以使用候 選先行詞的句子為第 168 句到 174 句，由下圖可以發現這段句子中的 170 到 172 句，GDep 並沒有標記出任何基因名稱，所以沒有候選先行詞可以選擇，所以這 段句子中的指代詞只能指代到其他句子中並不相干的候選先行詞，並沒有辦法進 行指代消解。

圖 14：文章 22529981 中 168 到 174 句中的名詞片語

42

另外，從實驗數據中也可以發現文章 22523685 的 Recall 與 Precision 相比下 降了 15%，而其他文章只下降了 3%-4%，可以發現文章 22523685 的名詞片語總 數為 573 個，而由系統辨識需要進行指代消解的指代詞為 461 個，相差了 112 個，

經由觀察指代結果(如圖 15 所示，箭頭符號左邊為指代詞和所在的句子位置，箭 頭符號右邊為先行詞及所在的句子位置)文件發現，因為距離特徵取絕對值小於 3 以內的句子，所以從第 9 句到第 18 句，這 9 個句子之間的指代詞並沒有候選先 行詞可以使用，表示在文章 22523685 中經常出現在指代詞附近沒有任何的候選 先行詞可以選擇，所以造成了文章 22523685 的 Recall 值相較於其他文章來的低，

所以距離特徵對於 Recall 值的影響是很大的，這也表示 Precision 和 Recall 值的選 擇很難取得平衡，如果選擇數值較大的距離特徵則 Recall 值變大 Precision 值變小，

相反的，選擇數值較小的距離特徵則 Recall 值變小，Precision 值變大。

圖 15：文章 22523685 指代結果

43

除了上述所討論的 GDep 沒辦法辨識藥品、溶劑或是化學的專有名詞以外，

最主要造成 Precision 沒有辦法提高的原因，在於生物資訊領域辨識生物基因的剖 析器並沒辦法達到很高的效能，如第三章的表 1 所示，GDep 在辨識這些生物基 因的 Precision 只有 67%，這將造成在生物醫學文獻上進行指代消解的阻礙。

44