加快本科生進(jìn)行關(guān)系抽取方向科研活動(dòng)進(jìn)程的分析

劉一瑋 姚翠莉

摘 要：生物醫(yī)學(xué)關(guān)系抽取是自然語(yǔ)言處理的一個(gè)分支，很多對(duì)于關(guān)系抽取的研究都應(yīng)用了深度學(xué)習(xí)和機(jī)器學(xué)習(xí)的方法。這些領(lǐng)域的理論及周邊知識(shí)在本科學(xué)習(xí)中是接觸不到的，這給本科生進(jìn)行科研活動(dòng)制造了一些困難。本文以DDI為例，解決語(yǔ)料的格式轉(zhuǎn)換問(wèn)題，旨在探索如何把常見(jiàn)的問(wèn)題模塊化，加快本科生的科研進(jìn)程。

關(guān)鍵詞：關(guān)系抽取 json xml

一、研究背景及意義

藥物-藥物相互作用（DDI）的定義被廣泛地描述為一種藥物的作用因另一種藥物的存在而改變。DDIs的檢測(cè)是患者安全性的一個(gè)重要研究領(lǐng)域，因?yàn)檫@些相互作用會(huì)變得非常危險(xiǎn)并增加醫(yī)療成本。在臨床實(shí)踐或臨床試驗(yàn)中患者有可能同時(shí)服用多種藥物，此時(shí)藥物會(huì)產(chǎn)生相互作用，報(bào)道顯示10% ～ 20%的不良反應(yīng)都由藥物相互作用（ drugdruginteraction，DDI） 引起[1]，嚴(yán)重情況下，藥物循環(huán)體系濃度可以增加10 倍以上，若不進(jìn)行劑量調(diào)整則可能引起致命不良反應(yīng)。2013年的DDIExtraction任務(wù)涉及生物醫(yī)學(xué)文獻(xiàn)中出現(xiàn)的藥物識(shí)別和藥物-藥物相互作用的提取，很多學(xué)者、博士和碩士在這個(gè)任務(wù)上進(jìn)行大量的科研工作，如M. Faisal 等使用支持向量機(jī)（svm[2]），Zeng等人使用卷積神經(jīng)網(wǎng)絡(luò)[3] 進(jìn)行了相關(guān)研究，但是由于相當(dāng)多的領(lǐng)域知識(shí)短時(shí)間內(nèi)根本無(wú)法來(lái)得及沉淀到本科教學(xué)中，一方面本科生對(duì)進(jìn)行科研活動(dòng)有這強(qiáng)烈的興趣;另一方面本科生有基礎(chǔ)薄弱、時(shí)間較少，如果科研反饋的周期過(guò)長(zhǎng)會(huì)導(dǎo)致興趣減弱甚至退出。DDIExtraction任務(wù)本身提供的語(yǔ)料是xml格式，而使用python的科研常用的格式是json，從xml到j(luò)son的轉(zhuǎn)換對(duì)本科生來(lái)說(shuō)設(shè)置了一道門(mén)檻，本文提供了從xml到j(luò)son的轉(zhuǎn)換方法，可以有效降低本科生參與科研活動(dòng)的難度，讓學(xué)生把更多的精力集中在模型搭建的核心問(wèn)題上。

二、Xml解析代碼介紹

import xml.etree.ElementTree as ET

from xml.parsers import expat

from lxml import etree

import json

f=open（filename， “w”）

parser=ET.XMLParser（encoding=”UTF-8”）

tree = ET.parse（d+/+fname， parser=parser）

root = tree.getroot（）

for sent in root：

sent_id = sent.attrib[‘id]

for c in sent：

d_type = c.attrib[‘type]

首先是導(dǎo)入xml.etree.ElementTree，它是python處理xml文件的標(biāo)準(zhǔn)庫(kù)，ET.parse（）函數(shù)用來(lái)分析指定的xml文件，tree.getroot（）獲得第一標(biāo)簽，sent.attrib['id']，獲得具體屬性。使用以上的關(guān)鍵函數(shù)可以解析xml文件，把對(duì)應(yīng)的屬性存儲(chǔ)到python對(duì)象中，然后存入到j(luò)son文件中。

三、JSON文件處理

JSON（JavaScript Object Notation） 是一種輕量級(jí)的數(shù)據(jù)交換格式，使用的時(shí)候首先要導(dǎo)入json庫(kù)（），import json。json.dumps（）函數(shù)用于將 Python 對(duì)象如字典、列表等編碼成 JSON 字符串，json.loads（）函數(shù)則將json字符串解碼成字典、列表。json.dump（）函數(shù)將python對(duì)象寫(xiě)入指定文件，json.load（）函數(shù)將文件中的字符串轉(zhuǎn)換為python對(duì)象。

結(jié)語(yǔ)：

本文以DDI2013中的語(yǔ)料處理為例，模塊化本科生在研究過(guò)程中所遇到的問(wèn)題，使本科生能夠更快的進(jìn)入的科研活動(dòng)中。經(jīng)過(guò)實(shí)踐證明對(duì)本科生進(jìn)行相應(yīng)科研工作有一定的幫助。

參考文獻(xiàn)

[1]Kannan B，Nagella AB，Sathia PA，et al. Incidence of potential drug-drug interactions in a limited and stereotyped prescription setting-comparison of two free online pharmacopoeias[J]. Cureus，2016，8 （ 11 ） ：e886.

[2] M. Faisal ， Fbk-irst： a multi-phase kernel based approach for drug-drug interaction detection and classification that exploits linguistic information， in： International Workshop on Semantic Evaluation， 2013， pp. 351–355 .

[3]D. Zeng ， K. Liu ， S. Lai ， G. Zhou ， J. Zhao ， Relation classification via convolutional deep neural network， in： COLING， 2014， pp. 2335–2344 .