Author(s):
Fernandes, Ineias Silva 
Date: 2012
Persistent ID: http://hdl.handle.net/10773/11036
Origin: RIA - Repositório Institucional da Universidade de Aveiro
Subject(s): Engenharia de computadores; Recuperação da informação; Biomedicina
Description
Nos ultimos anos tem-se veri cado um aumento acelerado de conte udos
em formato digital, seja na Internet (blogs, wikis, redes sociais, etc.) seja
a n vel institucional ou empresarial. Contudo, grande parte destes dados
est a apenas dispon vel de forma n~ao-estruturada, limitando o acesso a
informa c~ao util. Apesar da evolu c~ao veri cada nos motores de busca
de informa c~ao (e.g., Google e BING) e da utiliza c~ao de metodologias
avan cadas para a extra c~ao e recolha de conte udo orientados ao utilizador,
a sua aplica c~ao em areas especi cas est a ainda longe de ser plenamente
concretizada. A biomedicina e uma destas areas, exigindo a aplica c~ao de
algoritmos pr oprios para o reconhecimento de entidades nomeadas e das
rela c~oes entre si.
Neste contexto, pretende-se desenvolver um sistema capaz de reconhecer
nomes de entidades biom edicas (e.g., doen cas, drogas) e pares de coocorr^
encia em texto cient cos. Este objetivo ser a atingido atrav es da
utiliza c~ao de um conjunto de bases de dados (e.g., UMLS e LexEBI) do
dom nio, requerendo-se a aplica c~ao de t ecnicas para estabelecer uma correspond^
encia entre conceitos contidos nas bases de dados e os encontrados
nos textos. No entanto, dada a complexidade do dom nio biom edico, esta
correspond^encia nem sempre e direta. Consequentemente, tamb em ser a necess
ario desenvolver uma solu c~ao para resolver casos amb guos, escolhendo
apenas uma entidade para um trecho de texto. No nal, o sistema ser a
avaliado contra texto devidamente anotados por humanos, visando a sua
an alise de desempenho. In recent years there has been an accelerated growth of content in digital
format, whether on the Internet (blogs, wikis, social networks, etc.), either
institutionally or business. However, largely of this data is only available in
a non-structured format, limiting access to useful information. Despite the
developments in information search engines (eg, Google and BING) and
use of advanced methodologies for extraction and collect of user-oriented
content, their application in speci c areas is still far from being fully realized.
Biomedicine is one of these areas, requiring the appliance of suitable
algorithms for the recognition of named entities and relations between them.
In this context, we intend to develop a system able to recognizing biomedical
entity names (eg, diseases, drugs) and pairs of co-occurrence in scienti c
text. This will be achieved by using a set of domain databases (eg, UMLS
and LexEBI), requiring the appliance of techniques to establish the matching
between concepts contained in the databases and found in the texts.
However, given the complexity of the biomedical domain, this matching is
not always straightforward. Consequently, we also need to develop a solution
to solve ambiguous cases, choosing only an entity to a piece of text.
In the end, the system will be evaluated against text duly annotated by
humans, aiming at its performance analysis. Mestrado em Engenharia de Computadores e Telemática
