Relationsextraktion durch Frequent Patterns in Dependency Graphen

Die Anzahl der Veröffentlichungen im biomedizinischen Sektor wächst exponentiell. Dies macht Verfahren notwendig, in der großen Menge von Publikationen (man spricht dabei von einem Korpus) relevante Informationen automatisch zu finden. Eine wichtige Aufgabe ist die Extraktion von Relationen zwischen biomedizinischen Entitäten. Typische Entitäten sind Proteine, Gene und Krankheiten und wichtige Relationen sind Protein-Protein-Interaktionen, Protein-Funktion-Zusammenhänge und Gen-KrankheitBeziehungen. Der einfachste Ansatz zur Relationsextraktion ist die Sätze einer Publikation auf das gemeinsame Vorkommen von Entitäten zu überprüfen [1]. Tritt dieser Fall ein, wird dies als Relation zwischen den Entitäten gewertet. Dieses Vorgehen findet trivialerweise alle vorhandenen Relationen in einem Satz, was einen Recall von 100% bedeutet. Allerdings ist die Precision sehr niedrig, da viele der gefundenen Relationen gar keine sind. Ein verfeinerter Ansatz ist die Einbeziehung der Umgebung der Entitäten im Satz, d. h., dass ein gemeinsames Vorkommen von Entitäten nur dann als Relation gewertet wird, wenn diese und ihre umliegenden Wörter einem bestimmten Muster (engl.: Pattern) entsprechen [2]. Dadurch wird eine hohe Precision erreicht, da idealerweise alle Sätze ohne Relationen nicht den Patterns entsprechen und herausgefiltert werden. Allerdings sind Patterns schnell zu fein, so dass viele korrekte Relationen ebenfalls nicht