特許 7707949 生物医学的エンティティメンションを正規化するための方法、装置及び記憶媒体

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】

(24)【登録日】2025-07-07

(45)【発行日】2025-07-15

(54)【発明の名称】生物医学的エンティティメンションを正規化するための方法、装置及び記憶媒体

(51)【国際特許分類】

   G06F 40/242 20200101AFI20250708BHJP

   G06F 40/247 20200101ALI20250708BHJP

   G06F 16/36 20190101ALI20250708BHJP

【ＦＩ】

G06F40/242

G06F40/247

G06F16/36

【請求項の数】 10

(21)【出願番号】P 2022009594

(22)【出願日】2022-01-25

(65)【公開番号】P2022119729

(43)【公開日】2022-08-17

【審査請求日】2024-10-10

(31)【優先権主張番号】202110153759.3

(32)【優先日】2021-02-04

(33)【優先権主張国・地域又は機関】CN

(73)【特許権者】

【識別番号】000005223

【氏名又は名称】富士通株式会社

(74)【代理人】

【識別番号】100107766

【弁理士】

【氏名又は名称】伊東 忠重

(74)【代理人】

【識別番号】100070150

【弁理士】

【氏名又は名称】伊東 忠彦

(72)【発明者】

【氏名】ファン・ルゥ

(72)【発明者】

【氏名】ジョン・ジョォングアン

(72)【発明者】

【氏名】ツァオ・イリン

(72)【発明者】

【氏名】孫 俊

【審査官】齊藤 貴孝

(56)【参考文献】

【文献】特開２０１６－１１０４４０（ＪＰ，Ａ）

【文献】特開平１０－２０７８９６（ＪＰ，Ａ）

【文献】特表２０１６－５２５７６２（ＪＰ，Ａ）

【文献】特開２０１９－１９１６４６（ＪＰ，Ａ）

【文献】再公表特許第２０１９／０９２８６８（ＪＰ，Ａ１）

【文献】特表２０１２－５２７０５８（ＪＰ，Ａ）

【文献】特表２０１１－５１３８１０（ＪＰ，Ａ）

【文献】米国特許出願公開第２０１９／０１９７４３１（ＵＳ，Ａ１）

【文献】米国特許出願公開第２０１８／００６８０７６（ＵＳ，Ａ１）

【文献】米国特許出願公開第２００９／０１１９０９５（ＵＳ，Ａ１）

【文献】米国特許出願公開第２００９／００７０１０３（ＵＳ，Ａ１）

【文献】中国特許出願公開第１１０５６９３２８（ＣＮ，Ａ）

【文献】中国特許出願公開第１１０００８３５４（ＣＮ，Ａ）

【文献】中国特許出願公開第１１１３２４７０９（ＣＮ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０６Ｆ ４０／００－４０／５８

Ｇ０６Ｆ １６／００－１６／９５８

(57)【特許請求の範囲】

【請求項1】

コンピュータが実行する、生物医学的エンティティメンションを正規化するための方法であって、
前記生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、
生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれない場合、
候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新し、
更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つ
前記マッピングすべきメンションを前記意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を含み、
前記関連概念集合は、対応する候補概念の同義概念を含み、
対応する候補概念が対応する上位概念を有する場合、前記関連概念集合は、前記対応する上位概念及び前記対応する上位概念の同義概念をさらに含む、方法。

【請求項2】

生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップは、前記マッピングすべきメンションに対して前処理を行うステップを含み、
前記前処理は、
前記マッピングすべきメンションにおける略語を正式名称に変換すること、
前記マッピングすべきメンションにおける非アラビア数字をアラビア数字に置き換えること、及び
複数形のマッピングすべきメンションを単数形のエンティティに変換することのうちの少なくとも１つを含む、請求項１に記載の方法。

【請求項3】

候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新するステップは、
前記候補概念集合における選択された候補概念の関連概念集合における単語の単語頻度に基づいて、単語頻度の降順で並び替えられた単語シーケンスを決定するステップと、
前記単語シーケンスを更新するステップと、
前記選択された候補概念に基づいて前記単語シーケンスから単語を選択して前記選択された候補概念の末尾に追加することによって該候補概念を拡張することを試みるステップと、を含む、請求項１に記載の方法。

【請求項4】

前記単語シーケンスを更新するステップは、
前記単語シーケンスにおける前記マッピングすべきメンションに出現する単語を前記単語シーケンスの最初の単語として設定するステップ、を含む、請求項３に記載の方法。

【請求項5】

前記単語シーケンスから単語を選択して前記選択された候補概念の末尾に追加することによって該候補概念を拡張することを試みるステップは、
前記単語シーケンスにおける前記選択された候補概念に出現していない最初の単語を前記選択された候補概念の末尾に追加して、前記選択された候補概念を更新するステップ、を含む、請求項３に記載の方法。

【請求項6】

候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新するステップは、
前記選択された候補概念の単語数が長さ閾値よりも大きいか否かを決定するステップと、
前記選択された候補概念の単語数が長さ閾値よりも大きい場合、該選択された候補概念の拡張は終了するステップと、を含む、請求項３に記載の方法。

【請求項7】

畳み込みニューラルネットワークモデルを使用して、前記更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの類似度を決定する、請求項１に記載の方法。

【請求項8】

前記畳み込みニューラルネットワークモデルは、
ターゲット候補概念の概念ベクトル及び前記マッピングすべきメンションのメンションベクトルに基づいて注意行列を決定し、
前記注意行列に基づいて前記マッピングすべきメンションの注意特徴ベクトル及び前記ターゲット候補概念の注意特徴ベクトルを決定し、
畳み込みニューラルネットワーク層を使用して前記マッピングすべきメンションのメンションベクトル及び注意特徴ベクトルに基づいて前記マッピングすべきメンションのメンション特徴を生成し、
前記畳み込みニューラルネットワーク層を使用して前記ターゲット候補概念の概念ベクトル及び注意特徴ベクトルに基づいて前記ターゲット候補概念の概念特徴を生成し、
少なくとも１つの隠れ層を使用して前記メンション特徴及び前記概念特徴に基づいて深さ特徴を生成し、
Ｓｏｆｔｍａｘ層を使用して前記深さ特徴に基づいて前記ターゲット候補概念と前記マッピングすべきメンションとの意味的類似度を決定し、
前記注意行列の各要素は、前記ターゲット候補概念における単語と前記マッピングすべきメンションにおける単語とのマッチング度を表す、請求項７に記載の方法。

【請求項9】

生物医学的エンティティメンションを正規化するための装置であって、
命令が記憶されているメモリと、
前記メモリと通信して前記メモリから取得された前記命令を実行できる１つ以上のプロセッサと、を含み、
前記命令は、前記１つ以上のプロセッサに、
前記生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、
生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれない場合、
候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新し、
更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つ
前記マッピングすべきメンションを前記意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を実行させ、
前記関連概念集合は、対応する候補概念の同義概念を含み、
対応する候補概念が対応する上位概念を有する場合、前記関連概念集合は、前記対応する上位概念及び前記対応する上位概念の同義概念をさらに含む、装置。

【請求項10】

プログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、前記プログラムは、コンピュータに、
生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、
生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれない場合、
候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新し、
更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つ
前記マッピングすべきメンションを前記意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を実行させ、
前記関連概念集合は、対応する候補概念の同義概念を含み、
対応する候補概念が対応する上位概念を有する場合、前記関連概念集合は、前記対応する上位概念及び前記対応する上位概念の同義概念をさらに含む、記憶媒体。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、知識の発見に関し、具体的には、生物医学的エンティティメンションを正規化するための方法、装置及び記憶媒体に関する。

【背景技術】

【0002】

生物医学分野の技術の急速な発展に伴い、科学技術論文、特許文献などの様々な生物医学分野の文献も日々増加している。これによって、生物医学分野におけるテキストマイニング技術の発展が促進されている。文献でメンションされている生物医学用語は、生物医学的エンティティメンションと称される。テキストマイニング技術は、生物医学的エンティティメンションの正規化を含む。生物医学的エンティティメンションの正規化タスクの目的は、生物医学文献におけるエンティティメンション（ｅｎｔｉｔｙ ｍｅｎｔｉｏｎ）のナレッジグラフ（ｋｎｏｗｌｅｄｇｅ ｇｒａｐｈ）における対応する一意の識別子を決定して、該エンティティメンションとナレッジグラフとの連携を確立することである。この連携を確立することは、生物医学分野の技術研究において重要である。

【0003】

従来のエンティティメンションの正規化方法は、通常、２つのモジュール、即ち候補の生成及び候補の並び替えを含む。従来のエンティティメンションの正規化方法は、生物医学的エンティティの正規化で良好な結果を達成しているが、依然として一定の制限がある。第一に、生成された候補名が類似するため、候補名のみに基づいて正しい候補を決定することは困難である。第二に、候補とメンションとが同一の分野内のエンティティであり、候補のコンテキストなどの情報も類似するため、コンテキスト情報を使用しても候補を正しく並び替えることは困難である。

【発明の概要】

【発明が解決しようとする課題】

【0004】

以下は、本開示の態様を基本的に理解させるために、本開示の簡単な概要を説明する。なお、この簡単な概要は、本開示を網羅的な概要ではなく、本開示のポイント又は重要な部分を意図的に特定するものではなく、本開示の範囲を意図的に限定するものではなく、後述するより詳細的な説明の前文として、単なる概念を簡単な形で説明することを目的とする。

【0005】

本開示は、生物医学的エンティティメンションを正規化するための方法、装置及び記憶媒体を提供する。

【課題を解決するための手段】

【0006】

本開示の１つの態様では、コンピュータが実行する、生物医学的エンティティメンションを正規化するための方法であって、前記生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップと、前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれない場合、候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新し、更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つ前記マッピングすべきメンションを前記意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を含み、前記関連概念集合は、対応する候補概念の同義概念を含み、対応する候補概念が対応する上位概念を有する場合、前記関連概念集合は、前記対応する上位概念及び前記対応する上位概念の同義概念をさらに含む、方法を提供する。

【0007】

本開示の１つの態様では、生物医学的エンティティメンションを正規化するための装置であって、命令が記憶されているメモリと、前記メモリと通信して前記メモリから取得された前記命令を実行できる１つ以上のプロセッサと、を含み、前記命令は、前記１つ以上のプロセッサに、前記生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップと、前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれない場合、候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新し、更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つ前記マッピングすべきメンションを前記意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を実行させ、前記関連概念集合は、対応する候補概念の同義概念を含み、対応する候補概念が対応する上位概念を有する場合、前記関連概念集合は、前記対応する上位概念及び前記対応する上位概念の同義概念をさらに含む、装置を提供する。

【0008】

本開示のもう１つの態様では、プログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、前記プログラムは、コンピュータに、生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップと、前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれない場合、候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新し、更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つ前記マッピングすべきメンションを前記意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を実行させ、前記関連概念集合は、対応する候補概念の同義概念を含み、対応する候補概念が対応する上位概念を有する場合、前記関連概念集合は、前記対応する上位概念及び前記対応する上位概念の同義概念をさらに含む、記憶媒体を提供する。

【0009】

本開示に係る生物医学的エンティティメンションを正規化するための方法、装置及び記憶媒体の少なくとも１つの有利な効果として、本開示の方法、装置及び記憶媒体によれば、正規的概念の決定の正確度を向上させることができる。

【図面の簡単な説明】

【0010】

本開示の上記及び他の目的、特徴及び利点をより容易に理解させるために、以下は図面を参照しながら本開示の実施形態を説明する。なお、図面は、単なる本開示の原理を説明するためのものである。図面では、縮尺に従って各部のサイズ及び相対位置を描く必要がない。同一の符号は、同一の特徴を表示してもよい。

【図1】本開示の１つの実施例に係るコンピュータにより実行される生物医学的エンティティメンションの正規化方法を例示的に示すフローチャートである。

【図2】本開示の１つの実施例に係る候補概念を拡散する方法を例示的に示すフローチャートである。

【図3】本開示の１つの実施例に係る意味的類似度を決定する方法を例示的に示すフローチャートである。

【図4】本開示の１つの実施例に係る生物医学的エンティティメンションの正規化装置を例示的に示すブロック図である。

【図5】本開示の１つの実施例に係る生物医学的エンティティメンションの正規化装置を例示的に示すブロック図である。

【図6】本開示の１つの実施例に係る情報処理装置を例示的に示すブロック図である。

【発明を実施するための形態】

【0011】

以下は図面を参照しながら本開示の例示的な実施形態を説明する。説明の便宜上、明細書には実際の実施形態の全ての特徴が示されていない。なお、当業者が実施形態を実現する際に、実施形態を実現するために特定の決定を行ってもよく、これらの決定は実施形態に応じて変更されてもよい。

【0012】

なお、本開示を明確にするために、図面には本開示に密に関連する装置の構成要件及び／又は処理のステップのみが示され、本開示と関係のない細部が省略されている。

【0013】

なお、本開示は、添付の図面を参照して以下の説明を行うため、説明された実施形態に限定されない。本明細書では、実行可能である場合、実施例を互いに組み合わせてもよいし、異なる実施例の特徴を置き換え、或いは利用してもよいし、１つの実施例において１つ又は複数の特徴を省略してもよい。

【0014】

本明細書に開示される例示的な実施例の各態様の操作を実行するためのコンピュータプログラムコードは、１つ又は複数のプログラミング言語の任意の組み合わせで記述されてもよく、該プログラミング言語は、Ｊａｖａ、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などの対象指向プログラミング言語を含み、「Ｃ」プログラミング言語又は同様なプログラミング言語などの従来の手続き型プログラミング言語を含む。

【0015】

本開示の方法は、対応する機能的構成を有する回路により実現されてもよい。該回路は、プロセッサのための回路を含む。

【0016】

本開示の１つの態様は、コンピュータにより実行される生物医学的エンティティメンションの正規化方法を提供する。以下は、図１を参照しながら該方法を例示的に説明する。

【0017】

図１は、本開示の１つの実施例に係るコンピュータにより実行される生物医学的エンティティメンションの正規化方法１００を例示的に示すフローチャートである。該方法１００は、例えば入力された生物医学的エンティティメンションに基づいて、生物医学辞書に関連する該生物医学的エンティティメンションについて正規化結果を出力することができる。該正規化結果は、該生物医学辞書に示される該生物医学的エンティティメンションの対応する正規的表現を示すことができる。

【0018】

ステップＳ１０１において、生物医学的エンティティメンションをマッピングすべきメンションｍｍとして受信する。ｍｍは、例えば生物医学文献において言及されている生物医学用語である。用語抽出アプリケーションを使用して、生物医学文献の画像又はテキストに出現する生物医学用語を抽出してもよい。マッピングすべきメンションｍｍの一例は、「ｓｐｏｒａｄｉｃ ｔ－ｃｅｌｌ ｌｅｕｋｅｍｉａ」である。マッピングすべきメンションｍｍは、例えば、英語の用語又は他のインド・ヨーロッパ語族の用語である。

【0019】

ステップＳ１０３において、生物医学辞書Ｄを検索してマッピングすべきメンションｍｍの候補概念集合Ｓｃを生成する。Ｓｃ＝｛ｍｃ［１］，ｍｃ［２］，…，ｍｃ［ｉ］，…，ｍｃ［ｉ＿ｍａｘ］｝、ｉ＿ｍａｘは、候補概念集合の要素の数である。例えば、全文検索エンジンＬｕｃｅｎｅツールを使用して、生物医学辞書Ｄ（生物医学知識ベース）における各概念及びその識別子についてインデックスを確立する。次に、Ｌｕｃｅｎｅツールを使用してインデックスで検索を行い、上位の２０個（Ｔｏｐ ２０）の検索結果を候補概念として候補概念集合を構成する。候補概念集合における要素の上限を制限してもよく、例えば上限は２０である。検索された候補概念が上限に達していない場合、検索された全ての候補概念で候補概念集合を構築する。各候補概念ｍｃ［ｉ］は、生物医学辞書Ｄに関するインデックスを有し、該インデックスはｍｃ［ｉ］．ｉｎｄとして示される。生物医学辞書Ｄにおける概念は、既に記録された標準化された生物医学用語である。生物医学辞書Ｄは、例えば、英語辞書又は他のインド・ヨーロッパ語族辞書である。

【0020】

ステップＳ１０５において、候補概念集合Ｓｃにマッピングすべきメンションと同一の概念が含まれるか否かを決定する。例えば、マッピングすべきメンションｍｍ＝「ｓｐｏｒａｄｉｃ ｔ－ｃｅｌｌ ｌｅｕｋｅｍｉａ」について、Ｓｃに候補概念ｍｃ［ｉ］＝「ｓｐｏｒａｄｉｃ ｔ－ｃｅｌｌ ｌｅｕｋｅｍｉａ」が含まれる場合、候補概念集合Ｓｃにマッピングすべきメンションと同一の概念が含まれると決定する。

【0021】

決定結果が「ＮＯ」の場合、ステップＳ１０７を実行する。ステップＳ１０７において、候補概念集合Ｓｃにおける各候補概念ｍｃ［ｉ］について生物医学辞書Ｄから取得された関連概念集合Ｓｒ［ｉ］に基づいて該候補概念集合ｍｃ［ｉ］を拡張して、候補概念集合を更新する。ここで、関連概念集合は、対応する候補概念の同義概念を含み、対応する候補概念が対応する上位概念を有する場合、関連概念集合は、前記対応する上位概念及び対応する上位概念の同義概念をさらに含む。例えば、候補概念ｍｃ［ｉ］の関連概念集合Ｓｒ［ｉ］は、候補概念ｍｃ［ｉ］の生物医学辞書Ｄに示されている全ての同義概念ｓｙｓ［ｉ］［ｊ］を含む。ｊは、１～同義概念の数ｊ＿ｍａｘであってもよい。また、候補概念ｍｃ［ｉ］が上位概念を有する場合、関連概念集合Ｓｒ［ｉ］は、候補概念ｍｃ［ｉ］の上位概念ｍｐ［ｉ］及び上位概念ｍｐ［ｉ］の生物医学辞書Ｄに示されている全ての同義概念ｓｙｐ［ｉ］［ｋ］をさらに含む。ｋは、１～同義概念の数ｋ＿ｍａｘであってもよい。生物医学辞書では、概念に階層的な関係がある。これは、概念の上位概念又は下位概念があり、或いはその両方があることを意味する。ここで、下位概念には上位概念に関する情報が含まれる。例えば、概念「ｌｙｍｐｈｏｍａ，ｎｏｎ－ｈｏｄｇｋｉｎｓ」は「ｌｙｍｐｈｏｍａ」の一種であり、ここで、「ｌｙｍｐｈｏｍａ， ｎｏｎ－ｈｏｄｇｋｉｎｓ」は「ｌｙｍｐｈｏｍａ」の下位概念であり、「ｌｙｍｐｈｏｍａ」は「ｌｙｍｐｈｏｍａ，ｎｏｎ－ｈｏｄｇｋｉｎｓ」の上位概念である。生物医学辞書Ｄにおける各概念項目には、該概念の同義概念及びその上位概念（存在する場合）が記録されている。なお、ｍｃ［ｉ］の上位概念が複数ある場合、好ましくは、関連概念集合Ｓｒ［ｉ］は、これらの複数の上位概念を含み、これらの複数の上位概念のそれぞれの同義概念をさらに含む。好ましくは、候補概念ｍｃ［ｉ］が少なくとも１つの上位概念を有する場合、関連概念集合Ｓｒ［ｉ］は、該少なくとも１つの上位概念及び少なくとも１つの上位概念のうちの各概念の同義概念をさらに含む。

【0022】

ステップＳ１０９において、更新された候補概念集合における各候補概念ｍｃ［ｉ］とマッピングすべきメンションｍｍとの意味的類似度ｓｍ［ｉ］を決定して意味的類似度集合Ｓｓを取得する。

【0023】

ステップＳ１１１において、マッピングすべきメンションｍｍを意味的類似度集合Ｓｓにおける最大の意味的類似度に対応する候補概念ｍｃ［ｉ＿ｓｍａｘ］にマッピングする。具体的には、意味的類似度集合Ｓｓにおける最大の意味的類似度に対応する候補概念ｍｃ［ｉ＿ｓｍａｘ］の生物医学辞書Ｄに関するインデックスｍｃ［ｉ＿ｓｍａｘ］．ｉｎｄを使用して、マッピングすべきメンションｍｍを生物医学辞書Ｄにおける対応する概念ｍｃ［ｉ＿ｓｍａｘ］にマッピングし、マッピングすべきメンションｍｍの正規的概念を示す。例えば、マッピングすべきメンションｍｍの生物医学辞書Ｄに関するインデックスｍｍ．ｉｎｄをｍｃ［ｉ＿ｓｍａｘ］．ｉｎｄに設定して、ｍｍを最大の意味的類似度に対応する候補概念ｍｃ［ｉ＿ｓｍａｘ］にマッピングし、マッピングすべきメンションｍｍの正規的概念を最大の意味的類似度に対応する候補概念ｍｃ［ｉ＿ｓｍａｘ］に設定する。

【0024】

ステップＳ１０５の決定結果がＹＥＳの場合、ステップＳ１１３を実行する。ステップＳ１１３において、マッピングすべきメンションｍｍを候補概念集合Ｓｃにおける同一の候補概念ｍｃ［ｉ＿ｓ］にマッピングする。例えば、マッピングすべきメンションｍｍの生物医学辞書Ｄに関するインデックスｍｍ．ｉｎｄをｍｃ［ｉ＿ｓ］．ｉｎｄに設定して、ｍｍを同一の候補概念ｍｃ［ｉ＿ｓ］にマッピングする。

【0025】

１つの実施例では、生物医学辞書Ｄを検索してマッピングすべきメンションの候補概念集合を生成するステップは、マッピングすべきメンションｍｍに対して前処理を行うステップを含む。ここで、前処理は、マッピングすべきメンションにおける略語を正式名称に変換すること、マッピングすべきメンションにおける非アラビア数字をアラビア数字に置き換えること、及び複数形のマッピングすべきメンションを単数形のエンティティに変換することのうちの少なくとも１つを含んでもよい。好ましくは、前処理は、マッピングすべきメンションｍｍの最初の文字が大文字である場合、マッピングすべきメンションｍｍの最初の文字を対応する小文字に変換することをさらに含んでもよい。

【0026】

本開示の１つの実施例では、単語頻度及びマッピングすべきメンションに基づいて候補概念を拡張してもよい。図２は、本開示の１つの実施例に係る候補概念を拡散する方法２００を例示的に示すフローチャートである。候補概念集合における各候補概念（即ち、選択された候補概念）について方法２００を実行し、生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、候補概念集合を更新してもよい。

【0027】

ステップＳ２０３において、候補概念集合における選択された候補概念ｍｃ［ｉ］の関連概念集合Ｓｒ［ｉ］における単語の単語頻度に基づいて、単語頻度の降順で並び替えられた単語シーケンスＳｗ［ｉ］を決定する。選択された候補概念ｍｃ［ｉ］が上位概念ｍｐ［ｉ］を有する場合、選択された候補概念の全ての同義概念（ｓｙｓ［ｉ］［１］，…，ｓｙｓ［ｉ］［ｊ］，…，ｓｙｓ［ｉ］［ｊ＿ｍａｘ］）、その上位概念ｍｐ［ｉ］、上位概念の全ての同義概念（ｓｙｐ［ｉ］［１］，…，ｓｙｓ［ｉ］［ｋ ］，…，ｓｙｓ［ｉ］［ｋ＿ｍａｘ］）により構成された関連概念集合Ｓｒでは、同一の単語が複数の概念に出現する場合がある。選択された候補概念ｍｃ［ｉ］が上位概念を有しない場合、選択された候補概念の全ての同義概念（ｓｙｓ［ｉ］［１］，…，ｓｙｓ［ｉ］［ｊ］，…，ｓｙｓ［ｉ］［ｊ＿ｍａｘ］）により構成された関連概念集合Ｓｒでは、同一の単語が複数の概念に出現する場合もある。なお、ｍｃ［ｉ］の上位概念の数は複数であってもよい。Ｄに示されている複数の上位概念のうちの最初の上位概念を選択してＳｒを構築してもよい。関連概念集合Ｓｒは、好ましくは、ｍｃ［ｉ］以外の他の上位概念、及び他の上位概念の同義概念を含む。関連概念集合における各単語（例えば、合計３０個の異なる単語）の関連概念集合に出現する回数をカウントすることで各単語の単語頻度を決定する。これによって、単語頻度の降順で並び替えられた単語により構成された元のシーケンスＳｏ［ｉ］（例えば、３０個の単語を含む元のシーケンス）を決定することができる。単語シーケンスＳｗ［ｉ］は、元のシーケンスＳｏ［ｉ］と同一であるように設定されてもよいし、元のシーケンスの単語数がＮ（Ｎは自然数であり、例えばＮ＝５）個よりも多い場合、単語シーケンスＳｗ［ｉ］は、元のシーケンスＳｏ［ｉ］の最初のＮ個の単語により構成されたシーケンスに設定されてもよい。或いは、単語シーケンスＳｗ［ｉ］は、元のシーケンスにおける単語頻度が単語頻度閾値よりも大きい単語のみを含んでもよい。言い換えれば、単語シーケンスＳｗ［ｉ］の長さ（即ち、単語の数）は、単語頻度閾値又はシーケンスの長さ閾値に基づいて制限されてもよい。

【0028】

ステップＳ２０５において、単語シーケンスＳｗ［ｉ］を更新する。例えば、マッピングすべきメンションｍｍに基づいて単語シーケンスＳｗ［ｉ］を更新する。具体的には、ｍｍにおける各単語をチェックして、該単語が単語シーケンスＳｗ［ｉ］に出現しているか否かを決定してもよい。出現している単語について、単語シーケンスＳｗ［ｉ］において該単語を前に移動して、単語シーケンスＳｗ［ｉ］を更新する。例えば、単語シーケンスＳｗ［ｉ］におけるマッピングすべきメンションｍｍに出現している単語を単語シーケンスＳｗ［ｉ］の最初の単語の前に移動する。即ち、該出現した単語を単語シーケンスの最初の単語として設定する。単語シーケンスＳｗ［ｉ］にはマッピングすべきメンションｍｍに出現している単語が複数存在する場合、これらの単語の全てを単語シーケンスＳｗ［ｉ］の前の位置に移動する。例えば、これらの単語が単語シーケンスの１番目の位置、２番目の位置及び３番目の位置を占める（単語シーケンスＳｗ［ｉ］にはマッピングすべきメンションｍｍに出現している単語が３つ存在する場合）ように、前への移動を実行する。一例では、現在でチェックされているｍｍにおける単語が既に現在の単語シーケンスＳｗ［ｉ］の最初の単語である場合、ｍｍにおける次の単語に対するチェックに進む（即ち、前への移動を実行する必要がない）。例えば、Ｓｗ［ｉ］がｗ１、ｗ２、ｗ３、ｗ４、ｗ５であり、ｗ４がｍｍに出現している場合、前への移動を実行し、Ｓｗ［ｉ］はｗ４、ｗ１、ｗ２、ｗ３、ｗ５に更新される。

【0029】

一例では、ステップＳ２０３において決定された単語シーケンスＳｗ［ｉ］は、元のシーケンスＳｏ［ｉ］と同一であってもよい。ステップＳ２０３において、マッピングすべきメンションｍｍに基づいて単語シーケンスＳｗ［ｉ］を更新した後、単語シーケンスＳｗ［ｉ］の最初のＮ個の単語のみを切り取り、単語シーケンスを更新する。即ち、単語シーケンスを更新することは、シーケンスの長さ閾値に基づいて単語シーケンスを更新することをさらに含んでもよい。

【0030】

ステップＳ２０５において出力された単語シーケンスＳｗ［ｉ］は、ｗ［ｉ］［１］、ｗ［ｉ］［２］、…、ｗ［ｉ］［ｎ］、…、ｗ［ｉ］［ｎ＿ｍａｘ］と表されてもよい。

【0031】

ステップＳ２０７において、選択された候補概念ｍｃ［ｉ］に基づいて単語シーケンスＳｗ［ｉ］から単語を選択して選択された候補概念ｍｃ［ｉ］の末尾に追加することによって該選択された候補概念を拡張することを試みる。シーケンス位置ポインタＰを使用して単語シーケンスＳｗ［ｉ］におけるチェックすべき単語の番号（初期値は１に設定する）を示し、単語シーケンスＳｗ［ｉ］におけるシーケンス位置ポインタＰで示された単語が選択された候補概念ｍｃ［ｉ］にあるか否かをチェックしてもよい。チェック結果が「ＮＯ」の場合、該単語を選択された候補概念ｍｃ［ｉ］の末尾に追加し、ＰをＰ＋１に更新する。例えば、ｍｃ［ｉ］＝「ｂ－ｃｅｌｌ ｌｙｍｐｈｏｍａ」であり、追加すべき単語が「ｎｏｎ－ｈｏｄｇｋｉｎｓ」である場合、拡張後のｍｃ［ｉ］は「ｂ－ｃｅｌｌ ｌｙｍｐｈｏｍａ ｎｏｎ－ｈｏｄｇｋｉｎｓ」である。一例では、ステップＳ２０７は、単語シーケンスＳｗ［ｉ］における選択された候補概念ｍｃ［ｉ］に出現していない最初の単語を選択された候補概念ｍｃ［ｉ］の末尾に追加して、選択された候補概念を更新することを含む。例えば、ｗ［ｉ］［１］がｍｃ［ｉ］に含まれていない場合、ｍｃ［ｉ］をｍｃ［ｉ］＋ｓｐａｃｅ＋ｗ［ｉ］［１］に更新する。ここで、ｓｐａｃｅはスペースを表す。チェック結果が「ＹＥＳ」の場合、ＰをＰ＋１に更新し、ステップＳ２０９を実行する（即ち、Ｐで示される単語は拡張に使用されない）。

【0032】

ステップＳ２０９において、選択された候補概念ｍｃ［ｉ］の単語数が長さ閾値Ｌｔｈよりも大きいか否かを決定する。決定結果が「ＹＥＳ」の場合、該選択された候補概念の拡張は終了する。長さの閾値は、例えばＬｔｈ＝ｍｉｎ｛２＊マッピングすべきメンションの単語数，Ｍ｝の方式で決定される。ここで、ＭはＤのうちの概念の最大の単語数であり、ｍｉｎ｛｝は選択パラメータのうちの最小のパラメータであり、ここで、「２」は単なる一例であり、経験に応じて調整されてもよい。

【0033】

ステップＳ２１１において、語順が無視された場合、選択された候補概念とマッピングすべきメンションとが同一であるか否かを決定する。決定結果が「ＹＥＳ」の場合、該選択された候補概念の拡張を終了する。なお、１つの変形例では、同一の判断（Ｓ２１１）を先に行ってから、単語数の判定（Ｓ２０９）を行ってもよい。

【0034】

ステップＳ２１３において、単語シーケンスのチェックが単語シーケンスの末尾まで進んだか否かを決定する。例えば、これは、現在のシーケンス位置ポインタＰが単語シーケンスの末尾に到達したか否か（Ｐがｎ＿ｍａｘ＋１に等しいか否か）をチェックすることによって実現されてもよい。Ｐ＝ｎ＿ｍａｘ＋１の場合、単語シーケンスＳｗ［ｉ］における全ての単語のチェックが完了し、チェックが単語シーケンスの末尾まで進んだことを意味する。

【0035】

ステップＳ２１５において、選択された候補概念ｍｃ［ｉ］により上位の上位概念があるか否かを決定する。これは、辞書Ｄにおける指示により、辞書Ｄが上位概念の上位概念を示しているか否かをチェックしてもよい。選択された候補概念ｍｃ［ｉ］により上位の上位概念がないと決定された場合、ステップＳ２１９を実行し、例えばユーザが手動で処理方式を決定できるように、プロンプト情報を出力してユーザに通知してもよい。好ましくは、選択された候補概念ｍｃ［ｉ］により上位の上位概念がないと決定された場合、選択された候補概念の拡張を終了するように設定されてもよい。

【0036】

ステップＳ２１７において、より上位の上位概念に基づいて単語シーケンスを更新する。例えば、より上位の上位概念及びその同義概念を使用して、単語頻度の降順で並び替えられた単語のシーケンスを構築することによって、Ｓｗ［ｉ］を更新する。同様に、単語シーケンスＳｗ［ｉ］に含まれる単語数の上限は、単語頻度閾値又はシーケンスの長さ閾値に基づいて制限されてもよい。例えば、元の単語シーケンスに３０個の単語が含まれる場合、その最初の５個の単語を使用してＳｗ［ｉ］を構築する。例えば、単語頻度が１より大きい単語のみを使用してＳｗ［ｉ］を構築してもよい。その後、ステップＳ２０５に戻る。

【0037】

即ち、方法２００は、選択された候補概念のより上位の上位概念に基づいて、選択された候補概念を条件付きで拡張するステップを含んでもよい。

【0038】

以下は、本開示に係る意味的類似度集合を取得する方法を説明する。

【0039】

意味的類似度集合は、Ｓｓ＝｛ｓｍ［１］，…，ｓｍ［ｉ］，…ｓｍ［ｉ＿ｍａｘ］｝として表されてもよい。ここで、ｓｍ［ｉ］は候補概念ｍｃ［ｉ］とマッピングすべきメンションｍｍとの意味的類似度を表す。

【0040】

一例では、従来の意味的類似度計算方法を使用してｓｍ［ｉ］を決定してもよい。例えば、対応する２つの単語文字列の特徴ベクトルを決定し、この２つの特徴ベクトル間の類似度を、対応する意味的類似度として直接計算する。

【0041】

本開示の１つの実施例では、注意行列及び畳み込みニューラルネットワークモデルを使用して意味的類似度集合Ｓｓにおける各意味的類似度を決定する。以下、図３を参照しながら該意味的類似度を決定する方法を例示的に説明する。

【0042】

図３は、本開示の１つの実施例に係る意味的類似度を決定する方法３００を例示的に示すフローチャートである。

【0043】

ステップＳ３０１において、ターゲット候補概念ｍｃ［ｉ］の概念ベクトルＦｃｖ及びマッピングすべきメンションｍｍのメンションベクトルＦｍｖに基づいて注意行列Ａを決定する。注意行列Ａの要素ａ_ｕｖ＝ｍａｔｃｈ＿ｓｃｏｒｅ（Ｖｗｍ［ｕ］，Ｖｗｃ［ｖ］）、Ｖｗｍ［ｕ］はｍｍのｕ番目の単語の単語ベクトルであり、Ｖｗｃ［ｖ］はｍｃ［ｉ］のｖ番目の単語ベクトルであり、ｍａｔｃｈ＿ｓｃｏｒｅ（ｗｍ［ｕ］，ｗｃ［ｖ］）は、ターゲット候補概念ｍｃ［ｉ］における単語ｗｃ［ｖ］とマッピングすべきメンションｍｍにおける単語ｗｃ［ｕ］とのマッチング度を表す。Ｖｗｍ［ｕ］はＦｍｖの成分であり、Ｖｗｃ［ｖ］はＦｃｖの成分である。２つの単語間のマッチング度は、所定の規則に従って定義されてもよい。単語に基づいて単語ベクトルを生成することは、従来技術（例えば、Ｗｏｒｄ２Ｖｅｃなどの言語モデルを介して単語ベクトルを生成する）であり、ここでその説明を省略する。

【0044】

ステップＳ３０２において、注意行列Ａに基づいてマッピングすべきメンションｍｍの注意特徴ベクトルＦｍａ及びターゲット候補概念ｍｃ［ｉ］の注意特徴ベクトルＦｃａを決定する。ここで、Ｆ_ｍａ＝Ｗ_０・Ａ^Ｔ、Ｆ_ｃａ＝Ｗ_１・Ａ、Ｔは転置変換を表す。Ｗ_０、Ｗ_１は、モデルをトレーニングする際に学習する必要のあるパラメータである。

【0045】

ステップＳ３０３において、畳み込みニューラルネットワーク層ＣＮＮを使用してマッピングすべきメンションｍｍのメンションベクトルＦｍｖ及び注意特徴ベクトルＦｍａに基づいてマッピングすべきメンションのメンション特徴Ｆｍを生成する。一例では、ＦｍａとＦｍｖを連結して特徴Ｆｍ’を構成し（即ち、Ｆｍ’＝Ｆｍａ＋Ｆｍｖ）、特徴Ｆｍ’を畳み込みニューラルネットワーク層ＣＮＮに入力し、ＣＮＮによりＦｍ’を処理した後にＦｍを出力する。これは、Ｆｍ＝ＣＮＮ（Ｆｍ’）として表されてもよい。

【0046】

ステップＳ３０４において、畳み込みニューラルネットワーク層ＣＮＮを使用してターゲット候補概念ｍｃ［ｉ］の概念ベクトルＦｃｖ及び注意特徴ベクトルＦｃａに基づいてターゲット候補概念ｍｃ［ｉ］の概念特徴Ｆｃを生成する。一例では、ＦｃａとＦｃｖを連結して特徴Ｆｃ’を構成し（即ち、Ｆｃ’＝Ｆｃａ＋Ｆｃｖ）、特徴Ｆｃ’を畳み込みニューラルネットワーク層ＣＮＮに入力し、ＣＮＮによりＦｃ’を処理した後にＦｃを出力する。これは、Ｆｃ＝ＣＮＮ（Ｆｃ’）として表されてもよい。

【0047】

ステップＳ３０５において、少なくとも１つの隠れ層を使用してメンション特徴Ｆｍ及び概念特徴Ｆｃに基づいて深さ特徴Ｆｄを生成する。一例では、ＦｍとＦｃを連結して特徴Ｆｄ’を構成し（即ち、Ｆｄ’＝Ｆｍ＋Ｆｃ）、特徴Ｆｄ’を隠れ層に入力し、隠れ層によりＦｄ’を処理した後にＦｄを出力する。これは、Ｆｄ＝Ｈｉｄｄｅｎ（Ｆｄ’）として表されてもよい。

【0048】

ステップＳ３０６において、Ｓｏｆｔｍａｘ層を使用して深さ特徴Ｆｄに基づいてターゲット候補概念ｍｃ［ｉ］とマッピングすべきメンションｍｍとの意味的類似度ｓｍ［ｉ］を決定する。一例では、Ｓｏｆｔｍａｘ層の出力は２次元ベクトルであり、該２次元ベクトルにおける１つの成分は、ターゲット候補概念とマッピングすべきメンションとの意味的類似度である。

【0049】

当業者が理解できるように、畳み込みニューラルネットワークモデルを使用して意味的類似度を決定する前に、サンプルを使用して畳み込みニューラルネットワークモデルを訓練し、畳み込みニューラルネットワークモデルのパラメータを決定する必要がある。畳み込みニューラルネットワークモデルをトレーニングする段階では、訓練コーパスのうちの正規化された結果を有する各エンティティメンションについて、本開示で説明される候補概念生成方法を使用してその候補概念集合を生成し、候補概念と該エンティティメンションのラベル付けされた正規化結果とが一致する場合、該メンションと候補のペア＜ｍｍ、ｍｃ［ｉ］＞の意味的類似度（Ｓｏｆｔｍａｘ層の出力の１つの成分、類似度スコアに対応する）を１としてラベル付けし、そうでない場合、０としてラベル付けする。テストの段階では、類似度スコアを使用して並べ替えを行い、類似度スコアが最も高い候補概念を正規化結果として選択する。

【0050】

本開示は、生物医学的エンティティメンションの正規化装置をさらに提供する。以下は、図４を参照しながら該装置を例示的に説明する。図４は、本開示の１つの実施例に係る生物医学的エンティティメンションの正規化装置４００を例示的に示すブロック図である。該装置４００は、検索部４０３、決定部４０５、更新部４０７、取得部４０９及びマッピング部４１１を含む。検索部４０３は、生物医学辞書を検索して、マッピングすべきメンションの候補概念集合を生物医学的エンティティメンションとして生成する。決定部４０５は、候補概念集合にマッピングすべきメンションと同一の概念が含まれるか否かを決定する。更新部４０７は、候補概念集合にマッピングすべきメンションと同一の概念が含まれない場合、候補概念集合における各候補概念について生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、候補概念集合を更新する。ここで、関連概念集合は、対応する候補概念の同義概念を含み、対応する候補概念が対応する上位概念を有する場合、関連概念集合は、対応する上位概念及び対応する上位概念の同義概念をさらに含む。取得部４０９は、更新された候補概念集合における各候補概念とマッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得する。マッピング部４１１は、マッピングすべきメンションを意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングする。該装置４００は、方法１００に対応する。該装置４００のさらなる構成について、本開示の方法についての説明を参照してもよい。例えば、マッピング部４１１は、決定結果が「ＮＯ」の場合、マッピングすべきメンションを候補概念集合における同一の候補概念にマッピングする。

【0051】

本開示は、生物医学的エンティティメンションの正規化装置をさらに提供する。以下は、図５を参照しながら該装置を例示的に説明する。図５は、本開示の１つの実施例に係る生物医学的エンティティメンションの正規化装置５００を例示的に示すブロック図である。該装置５００は、命令が記憶されているメモリ５０１、及びメモリ５０１と通信してメモリ５０１から取得された命令を実行できる１つ以上のプロセッサ５０３を含む。該命令は、１つ以上のプロセッサ５０３に、生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、生物医学辞書を検索してマッピングすべきメンションの候補概念集合を生成するステップと、候補概念集合にマッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、候補概念集合にマッピングすべきメンションと同一の概念が含まれない場合、候補概念集合における各候補概念について生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、候補概念集合を更新し、更新された候補概念集合における各候補概念とマッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つマッピングすべきメンションを意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を実行させる。ここで、関連概念集合は、対応する候補概念の同義概念を含み、対応する候補概念が対応する上位概念を有する場合、関連概念集合は、対応する上位概念及び対応する上位概念の同義概念をさらに含む。該装置は、本開示の生物医学的エンティティメンションの正規化方法に対応する。該装置のさらなる構成について、本開示の方法１００についての説明を参照してもよい。

【0052】

本開示の１つの態様は、プログラムが記憶されているコンピュータ読み取り可能な記憶媒体を提供する。該プログラムは、コンピュータに、生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、生物医学辞書を検索してマッピングすべきメンションの候補概念集合を生成するステップと、候補概念集合にマッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、候補概念集合にマッピングすべきメンションと同一の概念が含まれない場合、候補概念集合における各候補概念について生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、候補概念集合を更新し、更新された候補概念集合における各候補概念とマッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つマッピングすべきメンションを意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を実行させる。ここで、関連概念集合は、対応する候補概念の同義概念を含み、対応する候補概念が対応する上位概念を有する場合、関連概念集合は、対応する上位概念及び対応する上位概念の同義概念をさらに含む。該プログラムのさらなる構成の詳細について、本開示の生物医学的エンティティメンションの正規化方法についての説明を参照してもよい。

【0053】

本開示の１つの態様では、情報処理装置をさらに提供する。

【0054】

図６は、本開示の１つの実施例に係る情報処理装置を例示的に示すブロック図である。図６において、中央処理部（ＣＰＵ）６０１は、読み出し専用メモリ（ＲＯＭ）６０２に記憶されているプログラム、又は記憶部６０８からランダムアクセスメモリ（ＲＡＭ）６０３にロードされたプログラムにより各種の処理を実行する。ＲＡＭ６０３には、必要に応じて、ＣＰＵ６０１が各種の処理を実行するに必要なデータが記憶されている。

【0055】

ＣＰＵ６０１、ＲＯＭ６０２、及びＲＡＭ６０３は、バス６０４を介して互いに接続されている。入力／出力インターフェース６０５もバス６０４に接続されている。

【0056】

入力部６０６（キーボード、マウスなどを含む）、出力部６０７（ディスプレイ、例えばブラウン管（ＣＲＴ）、液晶ディスプレイ（ＬＣＤ）など、及びスピーカなどを含む）、記憶部６０８（例えばハードディスクなどを含む）、通信部６０９（ネットワークのインタフェースカード、例えばＬＡＮカード、モデムなどを含む）は、入力／出力インターフェース６０５に接続されている。通信部６０９は、ネットワーク、例えばインターネットを介して通信処理を実行する。

【0057】

必要に応じて、ドライバ６１０は、入力／出力インターフェース６０５に接続されてもよい。取り外し可能な媒体６１１は、例えば磁気ディスク、光ディスク、光磁気ディスク、半導体メモリなどであり、必要に応じてドライバ６１０にセットアップされて、その中から読みだされたコンピュータプログラムは必要に応じて記憶部６０８にインストールされている。

【0058】

ＣＰＵ６０１は、生物医学的エンティティメンションを正規化するためのプログラムを実行してもよい。該プログラムは、方法１００の機能を実現することができる。

【0059】

本開示に係る技術は、拡張された同一のレベル及び上位のレベルの概念に基づいて、生物医学的エンティティメンションの正規的概念を決定することを含む。これによって、正規的概念の決定の正確度を向上させることができる。本開示の態様は、注意行列に基づいて生物医学的エンティティメンションの正規的概念を決定することをさらに含む。これによって、正規的概念の決定の正確度をさらに向上させることができる。

【0060】

上述したように、本開示によれば、生物医学的エンティティメンションを正規化する方法の原理を提供する。なお、本開示の効果は、必ずしも上記の効果に限定されるものではなく、上記の段落に記載された効果に加えて、又はその代わりに、本明細書に示される効果の何れかを得ることができ、或いは、本明細書から他の効果を理解することができる。

【0061】

以上は本開示の具体的な実施例を説明しているが、当業者は添付の特許請求の範囲の要旨及び範囲内で本開示に対して各種の変更（行の場合、各実施例の特徴を組み合わせ、或いは置き換える）、改善又は均等的なものを行うことができる。これらの変更、改善又は均等的なものは本開示の保護範囲に属する。例えば、方法２００では、以下の例示的な変形を行ってもよい。ステップＳ２０７は、現在のＰについて、拡張条件が満たされていないと決定された後、Ｐ＋１が単語シーケンスの範囲を超えていない場合、Ｐを更新し、拡張を再度試み、拡張の試みが成功した後、ステップＳ２０９を実行し、Ｐ＋１が単語シーケンスの範囲を超えた場合、ステップＳ２１５を実行する。

【0062】

以上は、生物医学分野の用語を正規化する方法を例示的に説明している。なお、上記のスキームは、単純な適応的調整を行った（例えば、対応する分野の辞書を選択した）後に、他の分野（例えば、化学領域）の用語を正規化するために使用されてもよい。

【0063】

なお、用語「含む」、「有する」は本明細書に説明された特徴、要素、ステップ又は部材の存在を意味するが、他の１つ又は複数の特徴、要素、ステップ又は部材の存在又は追加を排除するものではない。

【0064】

さらに、本発明の各実施例の方法は、明細書に記載され、或いは図面に示される時間の順序に従って実行されることに限定されず、他の時間の順序に従って実行されてもよいし、並行して又は独立して実行されてもよい。従って、本明細書に記載された方法の実行順序は、本発明の技術的範囲を制限するものではない。

【0065】

また、上述の各実施例を含む実施形態に関し、更に以下の付記を開示するが、これらの付記に限定されない。
（付記１）
コンピュータが実行する、生物医学的エンティティメンションを正規化するための方法であって、
前記生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、
生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれない場合、
候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新し、
更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つ
前記マッピングすべきメンションを前記意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を含み、
前記関連概念集合は、対応する候補概念の同義概念を含み、
対応する候補概念が対応する上位概念を有する場合、前記関連概念集合は、前記対応する上位概念及び前記対応する上位概念の同義概念をさらに含む、方法。
（付記２）
生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップは、前記マッピングすべきメンションに対して前処理を行うステップを含み、
前記前処理は、
前記マッピングすべきメンションにおける略語を正式名称に変換すること、
前記マッピングすべきメンションにおける非アラビア数字をアラビア数字に置き換えること、及び
複数形のマッピングすべきメンションを単数形のエンティティに変換することのうちの少なくとも１つを含む、付記１に記載の方法。
（付記３）
候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新するステップは、
前記候補概念集合における選択された候補概念の関連概念集合における単語の単語頻度に基づいて、単語頻度の降順で並び替えられた単語シーケンスを決定するステップと、
前記単語シーケンスを更新するステップと、
前記選択された候補概念に基づいて前記単語シーケンスから単語を選択して前記選択された候補概念の末尾に追加することによって該候補概念を拡張することを試みるステップと、を含む、付記１に記載の方法。
（付記４）
前記単語シーケンスを更新するステップは、
前記単語シーケンスにおける前記マッピングすべきメンションに出現する単語を前記単語シーケンスの最初の単語として設定するステップ、を含む、付記３に記載の方法。
（付記５）
前記単語シーケンスから単語を選択して前記選択された候補概念の末尾に追加することによって該候補概念を拡張することを試みるステップは、
前記単語シーケンスにおける前記選択された候補概念に出現していない最初の単語を前記選択された候補概念の末尾に追加して、前記選択された候補概念を更新するステップ、を含む、付記３に記載の方法。
（付記６）
候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新するステップは、
前記選択された候補概念の単語数が長さ閾値よりも大きいか否かを決定するステップと、
前記選択された候補概念の単語数が長さ閾値よりも大きい場合、該選択された候補概念の拡張は終了するステップと、を含む、付記３に記載の方法。
（付記７）
候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新するステップは、
語順が無視された場合、前記選択された候補概念と前記マッピングすべきメンションとが同一であるか否かを決定するステップと、
語順が無視された場合、前記選択された候補概念と前記マッピングすべきメンションと同一であるとき、該選択された候補概念の拡張を終了するステップと、を含む、付記３に記載の方法。
（付記８）
候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新するステップは、
前記選択された候補概念のより上位の上位概念に基づいて、前記選択された候補概念を条件付きで拡張するステップ、を含む、付記３に記載の方法。
（付記９）
畳み込みニューラルネットワークモデルを使用して、前記更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの類似度を決定する、付記１に記載の方法。
（付記１０）
前記畳み込みニューラルネットワークモデルは、
ターゲット候補概念の概念ベクトル及び前記マッピングすべきメンションのメンションベクトルに基づいて注意行列を決定し、
前記注意行列に基づいて前記マッピングすべきメンションの注意特徴ベクトル及び前記ターゲット候補概念の注意特徴ベクトルを決定し、
畳み込みニューラルネットワーク層を使用して前記マッピングすべきメンションのメンションベクトル及び注意特徴ベクトルに基づいて前記マッピングすべきメンションのメンション特徴を生成し、
前記畳み込みニューラルネットワーク層を使用して前記ターゲット候補概念の概念ベクトル及び注意特徴ベクトルに基づいて前記ターゲット候補概念の概念特徴を生成し、
少なくとも１つの隠れ層を使用して前記メンション特徴及び前記概念特徴に基づいて深さ特徴を生成し、
Ｓｏｆｔｍａｘ層を使用して前記深さ特徴に基づいて前記ターゲット候補概念と前記マッピングすべきメンションとの意味的類似度を決定し、
前記注意行列の各要素は、前記ターゲット候補概念における単語と前記マッピングすべきメンションにおける単語とのマッチング度を表す、付記９に記載の方法。
（付記１１）
前記Ｓｏｆｔｍａｘ層の出力は、２次元ベクトルであり、
前記２次元ベクトルにおける１つの成分は、前記ターゲット候補概念と前記マッピングすべきメンションとの意味的類似度である、付記１０に記載の方法。
（付記１２）
生物医学的エンティティメンションを正規化するための装置であって、
生物医学辞書を検索して、前記マッピングすべきメンションの候補概念集合を生物医学的エンティティメンションとして生成する検索部と、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれるか否かを決定する決定部と、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれない場合、候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新する更新部と、
更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得する取得部と、
前記マッピングすべきメンションを前記意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするマッピング部と、を含み、
前記関連概念集合は、対応する候補概念の同義概念を含み、
対応する候補概念が対応する上位概念を有する場合、前記関連概念集合は、前記対応する上位概念及び前記対応する上位概念の同義概念をさらに含む、装置。
（付記１３）
生物医学的エンティティメンションを正規化するための装置であって、
命令が記憶されているメモリと、
前記メモリと通信して前記メモリから取得された前記命令を実行できる１つ以上のプロセッサと、を含み、
前記命令は、前記１つ以上のプロセッサに、
前記生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、
生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれない場合、
候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新し、
更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つ
前記マッピングすべきメンションを前記意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を実行させ、
前記関連概念集合は、対応する候補概念の同義概念を含み、
対応する候補概念が対応する上位概念を有する場合、前記関連概念集合は、前記対応する上位概念及び前記対応する上位概念の同義概念をさらに含む、装置。
（付記１４）
プログラムが記憶されているコンピュータ読み取り可能な記憶媒体であって、前記プログラムは、コンピュータに、
生物医学的エンティティメンションをマッピングすべきメンションとして受信するステップと、
生物医学辞書を検索して前記マッピングすべきメンションの候補概念集合を生成するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれるか否かを決定するステップと、
前記候補概念集合に前記マッピングすべきメンションと同一の概念が含まれない場合、
候補概念集合における各候補概念について前記生物医学辞書から取得された関連概念集合に基づいて該候補概念集合を拡張して、前記候補概念集合を更新し、
更新された候補概念集合における各候補概念と前記マッピングすべきメンションとの意味的類似度を決定して意味的類似度集合を取得し、且つ
前記マッピングすべきメンションを前記意味的類似度集合における最大の意味的類似度に対応する候補概念にマッピングするステップと、を実行させ、
前記関連概念集合は、対応する候補概念の同義概念を含み、
対応する候補概念が対応する上位概念を有する場合、前記関連概念集合は、前記対応する上位概念及び前記対応する上位概念の同義概念をさらに含む、記憶媒体。

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】