[发明专利]从非结构化文本提取和标准化突变基因用于认知搜索和分析

权利要求书

1.一种用于从至少一组非结构化文本自动提取和标准化至少一个突变基因实体的方法，所述方法包括：

提取描述第一实体和第二实体的所述至少一组非结构化文本；

识别在所提取的所述至少一组非结构化文本中描述的至少一个特定第一实体和至少一个特定第二实体；

将所识别的所述至少一个特定第一实体与对应的所识别的所述至少一个特定第二实体相关联；

通过合并与所关联的所述至少一个特定第一实体和对应的所关联的所述至少一个特定第二实体相关联的至少一组数据来创建所述至少一个突变基因实体；

识别所创建的所述至少一个突变基因实体与一个或多个第三实体之间的至少一个语义关系；以及

将所合并的与所关联的所述至少一个特定第一实体和所关联的所述至少一个特定第二实体相关联的所述至少一组数据、所识别的所述至少一个语义关系以及所创建的所述至少一个突变基因实体存储在注释存储数据库中。

2.如权利要求1所述的方法，还包括：

从文档数据库检索至少一个文档，其中所检索到的所述至少一个文档包括至少一组非结构化文本。

3.如权利要求2所述的方法，还包括：

解析所检索到的所述至少一个文档；以及

识别描述所述第一实体和所述第二实体的至少一组非结构化文本。

4.如权利要求1所述的方法，其中所述第一实体包括突变。

5.如权利要求1所述的方法，其中所述第二实体包括基因。

6.如权利要求1所述的方法，其中所述一个或多个第三实体包括以下中的至少一个：

(i)疾病；以及

(ii)药物。

7.如权利要求1所述的方法，其中识别所创建的所述至少一个突变基因实体与一个或多个第三实体之间的至少一个语义关系还包括：

分析所提取的所述至少一组非结构化文本和与所提取的所述至少一组非结构化文本相关联的至少一组周围非结构化文本；以及

确定所创建的所述至少一个突变基因实体与一个或多个第三实体之间的重要性的至少一个语义关系。

8.如权利要求1所述的方法，其中将所识别的所述至少一个特定第一实体与对应的所识别的至少一个特定第二实体相关联还包括：

从所提取的所述至少一个非结构化文本分析所识别的所述至少一个特定第一实体和所识别的所述至少一个特定第二实体；以及

确定所分析的所述至少一个特定第一实体和所分析的所述至少一个特定第二实体是相关的。

9.如权利要求1所述的方法，还包括：

生成与所创建的所述至少一个突变基因实体相关联的可搜索对象；以及

由用户在所述注释存储数据库中搜索与所创建的所述至少一个突变基因实体相关联的所生成的所述可搜索对象。

10.一种用于从至少一组非结构化文本自动提取和标准化至少一个突变基因实体的计算机系统，包括：

一个或多个处理器，一个或多个计算机可读存储器，一个或多个计算机可读有形存储介质，以及存储在一个或多个有形存储介质中的至少一个上的程序指令，用于由所述一个或多个处理器中的至少一个经由一个或多个存储器中的至少一个执行，其中所述计算机系统能够执行根据权利要求1至9中任一项所述的方法。

11.一种装置，包括分别被配置为执行根据权利要求1至9中任一项所述的方法的每个步骤的模块。

12.一种用于从至少一组非结构化文本自动提取和标准化至少一个突变基因实体的计算机程序产品，包括：

一个或多个计算机可读存储介质和存储在一个或多个有形存储介质中的至少一个上的程序指令，所述程序指令能由处理器执行以使所述处理器执行根据权利要求1至9中任一项所述的方法。