1、Swanson方法概述.docVIP

1、Swanson方法概述　　非相关文献指表面上没有联系，即不存在互引、共引或其他相关文献条件(比如相同的作者项等)，却可能存在着某种能引致新知识产生的具有潜在关联关系的两组文献。华盛顿大学的Don. R. Swanson教授提出的文献知识发现理论就是基于非相关的生物医学文献中可能隐含着大量的不为人知的科学知识这一假设。Swanson认为，对于两组非相关文献A和C，可以通过某中间词或中间文献B建立起二者的关联，上述发现A、C关联的过程称为非相关文献知识发现方法[1]，本文称为Swanson方法。　　研究人员的直觉、经验和知识以及跨学科研究的能力都是该方法产生的因素，就如同青霉素的发现并最终引领抗生素的发展[2]。早期的Swanson方法主要应用于生物医学领域，并以PubMed作为主要数据源开展实证研究。很多学者在其基础上进行了方法的改进和应用领域的拓展，使得该方法在其他学科的移植应用成为可能。现已涉及生物、医学、文学、航天以及网络等多个领域，而且对Swanson方法的改进研究已不仅仅局限于PubMed数据库，扩展到可用于Biosis，Embase、Scisearch、Internet databases等数据库。　　2、Swanson方法知识发现过程的研究框架　　现有Swanson方法的研究主要有三个方面：对Swanson方法知识发现过程的分析；模拟开放式和闭合式知识发现过程进行领域应用或者对已有研究进行验证工作；对Swanson方法的改进研究，包括相关技术和算法的改进研究。其研究框架见图1。 　　图1Swanson方法研究框架　　2.1Swanson方法的知识发现过程研究　　Swanson方法的知识发现过程可分为两个步骤：形成假设和检验假设。形成假设的过程称为开放式的知识发现方法，而检验假设的过程是闭合式的知识发现方法[1]。　　开放式的知识发现过程始于某一类型主题A，比如一种疾病、一种药用物质或一种基因，通过中间主题集合或文献集合B最终发现目标主题C，C主题对A主题产生一定的关联和影响。开放的形成假设的过程可能为疾病寻找一种新的治疗方法，例如Swanson发现鱼油对雷诺氏病的关联作用以及后来Padmini Srinivasan(2004)发现的姜黄素对视网膜疾病、克罗恩病和紊乱三种疾病有一定的作用[1]。开放式知识发现过程的路径为A→B→C。　　闭合的知识发现方法是检验假设的过程。如果科研人员已经通过上述开放式知识发现方法形成了假设，他可以以文献为基础来详细地论证他的假设。以A和C为出发点，研究人员要努力寻找共同的关联词B。A和C的联系越多，所做的假设越有价值。闭合的知识发现过程可表示为A→B←C。　　2.2基于Swanson方法的模拟应用研究　　自Swanson提出基于文献的知识发现过程并应用该方法发现鱼油在治疗雷诺氏病方面的作用后，Swanson还利用该过程发现了可以作为生物武器的病毒[1]。Weeber利用该方法提出了thalidomide的治疗作用[3]。Chaussabel等发现基因之间的功能联系。冷伏海等(2008)在总结Swanson方法原理、流程分析基础上，模拟开放式知识发现过程，发现目标词plasma(等离子)和semiconductor(半导体)通过中间词electromagnetic wave absorption(吸收电磁波的特性)建立起与来源词stealth material(隐身材料)之间的联系，进而通过闭合式知识发现过程对该结论进行了文献验证[4]。Padmini(2004)利用开放式和闭合式知识发现过程发现并验证了姜黄素对视网膜疾病、紊乱和克罗恩疾病的治疗作用[2]。Hur J等(2010)利用该方法对糖尿病的致病基因进行了发现和验证[5]。　　2.3基于Swanson方法的技术改进研究　　基于Swanson方法的改进研究主要包括基于开放式和闭合式知识发现过程的文本挖掘算法，基于MeSH等主题词、短语、概念的来源主题词和目标主题词的改进分析以及跨领域和多数据源的应用研究等方面。　　2.3.1基于主题词分析法的模拟研究鉴于主题词表的规范性，主题词作为分析单元可增加分析的准确度，又可以减少分析文献自由词所引起的噪声，技术上容易实现。郝丽云在其模拟研究中就是用了主题词分析法，在研究中下载MeSH字段对来源文献主题词进行处理，去掉文献中的副主题词，提取主题词，形成来源主题词集合A。分析的统计量包括：频次(f)、频次百分比(f%)、文献频次(df)和文献频次百分比(df%)，将来源主题词A按f进行排序，形成初始中间集合B[6]。　　2.3.2基于UMLS的改进研究中国医科大学的张晗等采用自然语言处理技术，将不规范的自然语言转换为UMLS中的