基于MeSH的医学文献智能检索系统设计与实现

在检 索 时 ，碰 到对 某 篇 医学 文 献 很 感 兴 趣 时 ， 通 常会产 生 将 类 似 的相 关 文 献 全 部 找 出来 的 想 法 。 在对 象集 中查 找与某 个 给定 对 象 “ 似 ” 对 象 的查 相
并 以链接检索的方式 ，实现各知识点之间的相互关
联 。 （ ） 统计 分析 模块 ：包 含信 息 统 计 与关 联 分 析 ３ 的功 能 。可 以从 主 题 、学 科 、作 者 、期 刊 、时 间 、 地 区 ６个维 度 进行 信 息 统 计 ，各 个 维 度 之 间 可 以通
询过程称为相似性检索 。计算两篇文献之间的相 似程度 ，即文献的语义距离 ，涉及到相似度的计算 ，
对 于给定 的 目标 文 献 ，相 似 性 检 索 的关 键是 进 行 文
过关联分析进行深度信息挖掘。
３ ２ 检 索词 智能 提醒 ． 中文 医学 主题 词表 是 医学领 域权威 的主题 词表 ，
Ｔ ｅｐ ｐｒ ｏ ｅ ｅｃｍ ｎｐｏｌｍ ｕｒｎ ｒｎ ｉｇｂ ｍ ｄｃｌｉｒｔｒ ｒ ｒ ｖｌ ｙｔ ｐｏｏｅ ａ ｔｌｇｎｅ ｈ ａｅ ｓｌ ｓ ｈ ｏ ｍｏ ｒｂｅ ｓ ｎｃｒ ｔｕ ｎ ｉ ｅ ｉ ｔ ａ ｅ ｅ ｉ ａ ｓｓ ｍ， ｒｐ ｓｓ ｎｉ ｅ ｉ ｃ ｖ ｔ ｉ ｅ ｎ ｏ ａ ｌｅ ｕ ｔｅ ｅ ｎ ｌｅ
的主题 词 、概 念 、术 语 ３级 结构 ，每 个 主， 都 与 题词 对应 的概念 、术 语建 立关 联 ，实现 同义 扩展 检索 。
医学术 语 的 同义 现 象 非 常多 ，文 献 的规 范 化 程
度不高，造成医学信息 的查全率与查准率受到较大
影 响 ，对 于 同一 个 概 念 的理 解 ，由 于用 户 背景 知 识 的差异 ，肯 定有 不 同的 表述 。如 与 肺 肿 瘤表 达 同一 概念 的有 肺 癌 、肺 部肿 瘤 、肺 部 癌 症 等 ，而 且 肺 肿 瘤 还 可 以细 分 为 非小 细 胞 肺 癌 、小 细胞 肺 癌 、支 气 管 癌等类 型 ，若 逐 个分 别 检 索 ，将 大 大增 加 用 户 的 负担 。为 了解决 这 一 问题 ，需 要 采 用 同义 扩 展 检 索 技 术 和上下 位语 义扩展 检索来 提 高检索 效率 。
夏光辉 李军莲 李丹亚
（ 中国医学科学院医学信息研究所 北京 １０ ２ ） ００ ０
［ 要 ］ 针 对 目前 生物 医学文献检 索 系统 的 常见 问题 ，提 出基 于 ＭｅＨ 词表 构 建 智 能型检 索 系统 的设 想。 摘 Ｓ 将 基 于 ＭｅＨ词表 的检 索词 智能提 醒 、扩展检 索、主题相 关检 索 以及 主题 共现分析 等技 术结合 起 来 ，提 高检 Ｓ 索 系统的查 全率 。 实际应 用表 明智 能检 索与智 能分析 相 结合 的检 索模 式能 够提 高检 索 系统性 能 ，挖掘 文献 隐
ｒ ｒ ｖｌ ｙｔｍ ｂｓｄｏ Ｓ ．Ｔ ｅｗ ｒｉｇｇ ｕ ｍｂ ｅ ｔｅｔ ｈ ｏ ｇ ｆ ｕ ａｅ ， ｘ ｎ ｅ ｔｅａ， ｕｊｃ ｒｔｅａ ａｄＣ — ｅ ｉ ａ ｓｓ ａｅ ｎＭｅＨ ｈ ｏｋｎ ｏｐｃ ｉ ｓ ｈ ｃｎｌ ｙｏ ａｔ ｌ ｔ ｅｔ ｄｄｒ ｒ ｖｌ ｓｂ ｔｅ ｉ ｌ ｎ Ｏ ｔｅ ｅ ｒ ｏ ｎ ｅ ｏ ｏ— ｒ ｅ ｅｉ ｅ ｒｖ
・
３ ・ ３
Ｊ Ｕ Ｎ ＬＯ Ｄ Ａ Ｆ ＭＡ ＩＳ ０１ ｏ．２，Ｎ ． Ｏ Ｒ Ａ Ｆ ＭＥ Ｉ ＬＩ Ｏ Ｔ ２ １，Ｖ １ Ｃ Ｎ Ｃ ３ ｏ１ ２
提 升检索 系统 的查 全率 。
３ ４ 主题相 关检 索 ．
直 以来 ，中国生物医学文献数据库 （ Ｂ Ｃ Ｍ）都坚
持采 用 ＭｅＨ词 表 进行 人工 标 引 ，积 累 了丰 富 的 标 Ｓ 引数 据 ，为基 于 ＭｅＨ 构 建 智 能 化 的 中 国生 物 医 学 Ｓ 文献 服务 系统 也 提供 了条件 。因此根 据用 户 的需求 ， 按照 模块 化 的设 计原 则 ， 中 国生物 医学 文 献 服 务 系 统将 智 能查询 与 智 能分 析 有 机 地 结 合 起 来 ，构 建 智 能检 索 系统 。划 分 为 ３大 功 能 模 块 。 （ ） 检 索 模 １
较多，文献的规范化程度不高，造成 医学文献 的查
全率与查准率受到较大 的影响；文献之 间的关联性 较差 ，无法体现文献之 间的规律性知识 ，未能全面
满足用户的信息需求等等。本文提 出一种基于 《 医
ＭｅＨ词表 由美 国 国立 医学 图 书馆 编 制 ，是 目 Ｓ
［ 收稿 日期 ］ ２ １ — ８— ５ ０ １ ０ ２ （ 者简 介］ 夏光 辉 ，助理馆员 ，发表论文 ６篇 。 作
ｉ ｈ ｌ ｆ ｌ ｏ ｏ ｔ ｚ ｙ ｔ ｍ ｆ ｎ ｔ ｎ ，ｍｏ ｅ ｖ ｒ ｉ ｄ ｉ ｌ ａｉ ｎ ｄ ｓ ｉ ｌ ｅ ｍｏ ｇ ｌ ｅ ａｕ ｅ ． ｓ ｅｐ ｕ ｐ ｉ ｅ ｓ ｓｅ ｕ ｃｉ ｓ ｔ ｍｉ ｏ ｒ ｏ ｅ ，ｆ ｍｐ ｉ ｔ ｉｃｐ ｉ ｓａ ｎ ｉ ｒ ｔ ｒ ｓ ｎ ｃ ｏ ｎ ｔ
Ｊ Ｒ Ａ ＤＣ ＬＩＦ ＭＡ ＩＳ ０１ ｏ．２ ｏ１ ＯＵ Ｎ Ｌ ＭＥ Ｉ Ｏ Ｔ ２ １，Ｖ １ ，Ｎ ． ＯＦ Ａ Ｎ Ｃ ３ ２
医学信息学杂志
２ １年第 ３ ０１ ２卷第 １ ２期
基 于 Ｍ 的 医 学 文 献 智 能 检 索 系 统 设 计 ｅＨ Ｓ 与 实 现
医学 科学 研究需 要 对 医学 文献 信 息 进行 检 索 与 分 析 ，发现其 中规律 性 的知识 ，获取 有价值 的信 息 ， 这 是 医学学术 研究 的重 要 组成 部 分 。 目前 医学 文 献 检索 系统存在 的主要 问 题包 括 医 学术 语 的同义 现象
示 医学文 献之 间潜 在 的规 律 ，并 有 效地 提 高 了 医学 文献 的查 全率 。
检索 词 智 能 提 醒 、主 题 扩 展 检 索 、主题 相关 检 索 、 主题 检索 以及主 题 共现 分 析 相结 合 的方 法 ，用 于 医 学文 献智 能检索 ，并 成 功地 构 建 了 中 国生 物 医学 文
献 服务系 统 。该 系 统 通过 医学 文献 之 间 的关 联 ，揭
献相似性的度量。本系统主要考虑文献 的主题信息
实现 相似性 检 索 。文 献 的主 题 相 似性 检 索 的 一般 流 程 为 ：（ ）从 文献 中抽取 主题信 息 。 （ ）在 文献 库 １ ２ 中的索 引表 中做集合 运算 ，并 计算 相 似 度 。 （ ） 按 ３
医学相关领域 的图书和 文献 的标 引 和检索都 遵循
含 规律 。
［ 关键 词 ］ ＭｅＨ；生物 医学 ；智能检 索 系统 Ｓ
Ｄｅｉｎ ａ ｄ Ｒｅ ｌ ａ ｉｎ ｏ ｅ ｉａ ｉｅ ａｕ ｅＩ ｔｌｇ ｎ ｅＲｅｒｅ ａ ｙ ｔｍ ｓｄ ｏ ｅ Ｈ Ｘ Ａ Ｇ ａ ｇ ～ｈ ｉ Ｌ ｕ ｓ ｎ ａｉ ｔ ｆＭ ｄｃ ｌＬ ｔｒ ｔ ｒ ｎｅｌ ｅ ｃ ｔｉｖ ｌＳ ｓｅ Ｂａ ｅ ｎ Ｍ Ｓ ｇ ｚ ｏ ｉ Ｉ ｕｎ ｕ， ＩＪ ｎ—ｌ ｎ，Ｌ ｉ ａ Ｉ
［ ｙ ｏｄ ］ ＭｅＨ；Ｂｏ ｅｉ ｎ ；Ｉｔ ｌｅ ｔｅ ｉ ａ ｓｓ ｍ Ｋｅｗ ｒｓ Ｓ ｉｍ ｄ ｉｅ ｎｅｉ ｎ ｔｅ ｌ ｙｔ ｃ ｌｇ ｒ ｒ ｖ ｅ
１ 引 言
学主题词表》（ ｅｉ ｌ ｕｊ ｔ ｅｄ ｇ，Ｍ Ｓ Ｍ ｄ ａＳｂ ｃＨ ａｉ ｓ ｅＨ）的 ｃ ｅ ｎ
ＭｅＨ 词 表 的原 则 。但 用 户 对 ＭｅＨ 词 表 不 是 很 熟 Ｓ Ｓ 悉 ，用户所 熟 悉 的医 学 术语 也 往 往 不 是 规 范 的 主题 词 ，具 有较 大 的随 意性 。 因此 当用 户输 入检 索词 时 ， 提 供 主题词 和款 目词 智 能 提 醒 功 能 ，可 以 引导 用 户
分 类 ，等级 结构 专 指 度 强 ，每个 主 题 词 至 少分配 一
输入 规范 的 医学术 语 进 行 检 索 ，从 而提 高 检 索 的查 全率 和查 准率 。 ３ ３ 基 于 Ｍｅ Ｈ的扩 展检 索 ． Ｓ
个最专指的树形结构号 ，能够精确揭示主题词 的等 级关 系，既可以起到分类导航 的作用 ，也便 于了解 主题词上位类 、下位类或同位类１ 根据 用户 需 求划分 功 能模块 ．
本 系统 的应 用对象 主要 是 医学 相关领 域 的用 户 ，
应体现的用户需求有 ：良好 的交互性 ；易：使用的 于 二
检索界面；中西文一体 的医学信息检索 ；较高 的查
全率 ；智 能 化 的检 索 功 能 和 较 强 的智 能 分 析 功 能 。
・
２ Ｍｅ Ｈ概 述 Ｓ
前 国际上最具 代表 性 、使 用 最 为广 泛 的 受控 医学叙 词表 … 。ＭｅＨ词 表按 照词 义 范 畴 和 学 科 属 性 进 行 Ｓ
３ ・ ２
医学信 息学 杂志 ２ １ 年第 ３ ０１ ２卷第 １ ２期
Ｊ Ｒ Ａ ＤＣ ＬＩＦ ＭＡ ＩＳ ０１ ｏ．２，Ｎ ． ＯＵ Ｎ Ｌ ＭＥ Ｉ Ｏ Ｔ ２ １，Ｖ １ ＯＦ Ａ Ｎ Ｃ ３ ｏ１ ２
Ｄ ｎ ａ ｎｔｕ ｄ ａ Ｉ ｏｍ ｔｎ ｈｎｓ Ａ ａ ｅ ｙｏ ｅｉ ｌ ｃ ｎｅ， ａ —ｙ ，Ｉｓｔｔ ｏ Ｍｅｉ ｌ ｎ ｒ ａｉ ，Ｃ ｉｅ ｃｄｍ Ｍ ｄｃ ｉ ｃ ｉ ｅｆ ｃ ｆ ｏ ｅ ｆ ａＳｅ ｓ
１ ０２ ，Ｃ ｉ ０ ０ ０ ｈｎ ａ
［ ｂｔａｔ Ａ ｓ ｃ］ ｒ
照相似度将文献排序输 出。考虑到中国生物医学文
献数 据库 的文 献采用 Ｍ Ｓ 主题词进 行 了人工 标 引 ， ｅＨ
文献的标引质量 比较好。因此 ，第 ｌ步，以文献的 主题字段信息来代替从文献 中 自动抽取主题信息 ，
这 样就 转化 成从 主 题 字段 中提 取 主题 词 ，其 准 确 性
ｏ ｃ ｒｅ ｃ ｎ ｌｓｓｔ ｍｐ ｏ ｅ ｒ ｃ ｌ ｒｔ ． Ｐ ａ ｔ ｅ ｉ ｄｃ ｔｓ ｔ ａ ｔ ｅ ｃ ｍｂｎ ｔ ｎ ｂ ｔ ｅ ｎ ｅｌ ｅ ｃ ｅｒ ｖ ｌａ ｄ ｉｔｌ ｇ ｎ ｅａ ａｙ ｉ ｃ ｕ ｒ ｎ ｅ ａ ａｙ ｉ ｏ ｉ ｒｖ ｅ ａｌ ａｉ ｏ ｒ ｃｉ ｎ ｉａｅ ｈ ｔ ｈ ｏ ｉ ａｉ ｅｗｅ ｎ ｉｔ ｌ ｇ ｎ ｅｒ ｔ ｅ ａ ｎ ｎ ｅｌ ｅ ｃ ｎ ｌ ｓｓ ｃ ｏ ｉ ｉ ｉ
一
为实现扩展检索，借助 Ｍ Ｓ ｅＨ词表 ，同时构造
了一个 医学 术语 对 照 表 。使 用 ＭｅＨ 主 要 是 为 了 获 Ｓ 得 检索入 口词 的上 下位 词 及 款 目词 ，使 用 医 学术 语 对 照表则 获 取检 索词 的 同义 词 。 由于 中文 医学 主题 词 表 和医学 术语对 照 表 都建 立 了医 学 常用 术 语 与 主 题 词 的对 应关 系 ，若 检 索 人 口词 为 非 主题 词 ，则 借 助 于词表 中的对 应关 系进 行 转化 ，并 自动 检 索 其对 应 的主题 词 、同义 词 、下位 主题词 以及 下位款 目词 ，
块 ：分为快速检索 、高级检索 、主题检索 、分类 检
索 、期 刊检索 、作者 检 索 ６个 子 模 块 ，并 且 支 持 限 定检 索 和检索 历史 等功 能 。 （ ）结 果 显 示模 块 ：将 ２ 检索 结果 按照 核 心 期 刊 、 中华 医学 会 期 刊 以及循 证 文献 等进 行分 类 ，支持 多种 格式 的显 示 和保存 输 出 ，