Aprendizaje automático versus Expresiones Regulares en la Detección de la Negación y la Especulación en Biomedicina

• Autores: Noa Patricia Cruz Díaz, Manuel Jesús Maña López
• Localización: Procesamiento del lenguaje natural, ISSN 1135-5948, Nº. 45, 2010, págs. 77-86
• Idioma: español
• Enlaces
  • Texto completo
• Resumen
  • español

    En este artículo, presentamos un sistema de aprendizaje automático que identifica las expresiones de negación y especulación en textos biomédicos, en concreto, en la colección de documentos BioScope. El objetivo de este trabajo es contrastar la eficiencia de este enfoque centrado en aprendizaje automático con el que se basa en expresiones regulares. Entre los sistemas que siguen este último enfoque, hemos utilizado NegEx por su disponiblidad y popularidad. La evaluación se ha llevado a cabo sobre las tres subcolecciones que forman BioScope: documentos clínicos, artículos científicos y resúmenes de artículos científicos. Los resultados muestran la superioridad del enfoque basado en aprendizaje automático respecto a la utilización de expresiones regulares. En la identificación de expresiones de negación, el sistema propuesto mejora la medida F1 de NegEx entre un 20 y un 30%, dependiendo de la colección de documentos. En la identificación de la especulación, el sistema propuesto supera la medida F1 del mejor algoritmo de línea base entre un 10 y un 20%.

  • English

    In this paper, we present a machine learning system that identify the negation and speculation signals in biomedical texts, in particular, in the BioScope corpus. The objective of this research is to compare the efficiency of this approach focused on machine learning with which it is based on regular expressions. Among the systems that follow the latter approach, we used NegEx because of its availability and popularity. The evaluation has been carried out on the three subcollections which make up Bioscope: clinical documents, scientific papers and abstracts of scientific articles. The results show the superiority of the approach based on machine learning over the use of regular expressions. In the detection of expressions of negation, the proposed system improves the F1 measure of NegEx by between 20 and 30%, depending on the collection of documents. In the speculation detection, the proposed system outperforms the F1 measure of the best system between 10 and 20%.

• Referencias bibliográficas
  • Aronson, AR. 2001. Effective Mapping of Biomedical Text to the UMLS Metathesaurus: The MetaMap Program. En AMIA Symposium.
  • Averbuch, M, T. Karson, B. Ben-Ami, O. Maimon, L. Rokach. 2004. Contextsensitive medical information retrieval. En Proceedings of the 11th...
  • Chapman, WW, W. Bridewell, P. Hanbury, GF. Cooper, BG. Buchanan. 2001. A simple algorithm for identifying negated findings and diseases in...
  • Collier, N, HS. Park, N. Ogata, Y. Tateishi, C. Nobata, T. Ohta et al. 1999. The GENIA project: corpus-based knowledge acquisition and information...
  • Elkin, PL, SH. Brown, BA. Bauer, CS. Husser, W. Carruth, LR. Bergstrom, et al. 2005. A controlled trial of automated classification of negation...
  • Goldin, IM, WW. Chapman. Learning to detect negation with ‘Not’ in medical texts. 2003. En Proceedings of the Workshop on Text Analysis and...
  • Huang, Y, HJ. Lowe. A novel hybrid approach to automated negation detection in clinical radiology reports. 2007. J Am Med Inform Assoc. 14(3):304–311.
  • Mitchell, KJ, MJ. Becich, JJ. Berman, WW. Chapman, J. Gilbertson, D. Gupta, et al. 2004. Implementation an evaluation of a negation tagger...
  • Mutalik, PG, A. Deshpande, PM. Nadkarni. 2001. Use of general purpose negationdetection to augment concept indexing of medical documents:...
  • Morante, R, W. Daelemans. 2009. A metalearning approach to processing the scope of negation. En Proceedings of the 13th Conference on Computational...
  • Morante, R, W. Daelemans. 2009. Learning the scope of hedge cues in biomedical texts. En Proceedings of the Workshop on BioNLP, páginas 28-36,...
  • Morante, R, A. Liekens, W. Daelemans. 2008. Learning the scope of negation in biomedical texts. En Proceedings of the 2008 Conference on Empirical...
  • Pestian, J, C. Brew, P. Matykiewicz, DJ. Hovermale, N. Johnson, KB. Cohen et al. 2007. A shared task involving multi-label classification...
  • Quinlan, JR. 1993. C4.5: Programs for machine learning. Morgan Kaufmann Publishers.
  • Quinlan, JR. Induction of Decision Trees. 1986. Machine Learning, 1:81-106.
  • Toutanova, K, CD. 2000. Manning. Enriching the Knowledge Sources Used in a Maximum Entropy Part-of-Speech Tagger. En Proceedings of the Joint...
  • Van Rijsbergen, CJ. 1979. Information Retrieval.Butterworths-Heinemann, Londres.
  • Vince, V, G. Szarvas, R. Farkas, G. Móra, J. Csirik. 2009. The BioScope corpus: annotation for negation, uncertainty and their scope in biomedical...
  • Witten, IH, E. Frank. 2005. Data Mining: Practical Machine Learning Tools and Techniques. 2nd ed. Kaufmann M.