Due to an enormous number of scient

Due to an enormous number of scientific publications that cannot be handled manually, there is a rising interest in text-mining techniques for automated information extraction, especially in the biomedical field. Such techniques provide effective means of information search, knowledge discovery, and hypothesis generation. Most previous studies have primarily focused on the design and performance improvement of either named entity recognition or relation extraction. In this paper, we present PKDE4J, a comprehensive text-mining system that integrates dictionary-based entity extraction and rule-based relation extraction in a highly flexible and extensible framework. Starting with the Stanford CoreNLP, we developed the system to cope with multiple types of entities and relations. The system also has fairly good performance in terms of accuracy as well as the ability to configure text-processing components. We demonstrate its competitive performance by evaluating it on many corpora and found that it surpasses existing systems with average F-measures of 85% for entity extraction and 81% for relation extraction.

ผลลัพธ์ (ไทย) 1:

เนื่องจากจำนวนที่มหาศาลของสิ่งพิมพ์ทางวิทยาศาสตร์ที่ไม่สามารถจัดการด้วยตนเอง มีการสนใจเพิ่มขึ้นในเทคนิคการทำเหมืองข้อความสำหรับการสกัดข้อมูลอัตโนมัติ โดยเฉพาะอย่างยิ่งในฟิลด์ทางชีวการแพทย์ เทคนิคดังกล่าวมีวิธีค้นหาข้อมูล ค้นหาความรู้ และการสร้างสมมติฐานที่มีประสิทธิภาพ หลักการศึกษาก่อนหน้านี้ส่วนใหญ่ได้เน้นให้การออกแบบและประสิทธิภาพการทำงานปรับปรุงใดเอนทิตีที่มีชื่อความสัมพันธ์หรือการแยก ในเอกสารนี้ เรานำ PKDE4J ระบบการทำเหมืองข้อความครอบคลุมที่รวมพจนานุกรมตามเอนทิตีสกัดและการสกัดความสัมพันธ์ตามกฎในกรอบมีความยืดหยุ่นสูง และสามารถเพิ่มความสามารถ เราเริ่มต้น ด้วย CoreNLP สแตนฟอร์ด พัฒนาระบบการรับมือกับหลายชนิดของเอนทิตีและความสัมพันธ์ ระบบมีประสิทธิภาพค่อนข้างดีในแง่ของความถูกต้องตลอดจนความสามารถในการกำหนดค่าคอมโพเนนต์การประมวลผลข้อความ เราแสดงให้เห็นถึงประสิทธิภาพการแข่งขัน โดยประเมินใน corpora จำนวนมาก และพบว่า มันสำหรับระบบที่มีอยู่กับ F-วัดเฉลี่ย 85% สำหรับเอนทิตีสกัดและ 81% สกัดความสัมพันธ์

ผลลัพธ์ (ไทย) 2:

เนื่องจากจำนวนมหาศาลของสิ่งพิมพ์ทางวิทยาศาสตร์ที่ไม่สามารถจัดการได้ด้วยตนเองมีความสนใจที่เพิ่มขึ้นในเทคนิคการทำเหมืองข้อความสำหรับการสกัดข้อมูลอัตโนมัติโดยเฉพาะอย่างยิ่งในด้านการแพทย์ เทคนิคดังกล่าวให้วิธีที่มีประสิทธิภาพของการค้นหาข้อมูลการค้นพบความรู้และการสร้างสมมติฐาน ศึกษาก่อนหน้านี้ส่วนใหญ่จะเน้นหลักในการออกแบบและการปรับปรุงประสิทธิภาพการทำงานของการรับรู้ทั้งชื่อนิติบุคคลหรือสกัดความสัมพันธ์ ในบทความนี้เรานำเสนอ PKDE4J ระบบข้อความการทำเหมืองแร่ที่ครอบคลุมที่บูรณาการการสกัดนิติบุคคลตามพจนานุกรมและการสกัดความสัมพันธ์ตามกฎในกรอบมีความยืดหยุ่นสูงและขยาย เริ่มต้นด้วยสแตนฟอ CoreNLP เราพัฒนาระบบที่จะรับมือกับหลายประเภทของหน่วยงานและความสัมพันธ์ ระบบนี้ยังมีผลงานที่ดีอย่างเป็นธรรมในแง่ของความถูกต้องเช่นเดียวกับความสามารถในการกำหนดค่าส่วนประกอบข้อความการประมวลผล เราแสดงให้เห็นถึงประสิทธิภาพในการแข่งขันโดยการประเมินไว้ในคลังจำนวนมากและพบว่ามันเกินกว่าระบบที่มีอยู่มีค่าเฉลี่ย F-มาตรการ 85% สำหรับการสกัดนิติบุคคลและ 81% สำหรับการสกัดความสัมพันธ์

ผลลัพธ์ (ไทย) 3:

เนื่องจากมีจำนวนมหาศาลของสิ่งพิมพ์ทางวิทยาศาสตร์ที่ไม่สามารถจัดการได้ด้วยตนเอง มีดอกเบี้ยที่เพิ่มขึ้นในเหมืองแร่ข้อความเทคนิคการสกัดข้อมูลแบบอัตโนมัติ โดยเฉพาะอย่างยิ่งในด้านชีว เทคนิคดังกล่าวให้วิธีที่มีประสิทธิภาพของการค้นหาข้อมูล การค้นพบความรู้ และการสร้างสมมติฐานการศึกษาก่อนหน้านี้ที่ส่วนใหญ่จะเน้นหลักในการออกแบบและการปรับปรุงประสิทธิภาพของการรู้จำชื่อเฉพาะหรือการสกัดความสัมพันธ์ ในกระดาษนี้เรานำเสนอ pkde4j , ครอบคลุมเหมืองแร่ข้อความระบบที่รวมพจนานุกรมตามกฎการสกัดการสกัดเอนทิตี และความสัมพันธ์ในความยืดหยุ่นมากและขยายกรอบ เริ่มด้วย corenlp สแตนฟอร์ดเราได้พัฒนาระบบเพื่อรับมือกับหลายประเภทขององค์กรและความสัมพันธ์ ระบบยังมีประสิทธิภาพที่ค่อนข้างดีในแง่ของความถูกต้องรวมทั้งความสามารถในการปรับแต่งองค์ประกอบการประมวลผลข้อความเราแสดงให้เห็นถึงความสามารถในการแข่งขัน โดยประเมินไว้หลายคลังข้อมูลและพบว่ามันเกินกว่าระบบที่มีอยู่ โดยเฉลี่ย f-measures 85 % สำหรับกิจการสกัดและ 81% การสกัดความสัมพันธ์