摘要: 本文主要介绍了生物学文本挖掘的研究现状、待解决的问题、应用前景以及现有可利用的文本挖掘资源。从传统的纸质学术刊物到网络信息共享，由于信息资源更加容易访问，生物学家可以更方便地获得大量文献。但是由于文献数量之多，研究人员要找到所需的信息越来越困难。因此，最近的生物学竞赛侧重于评价各种搜索文献的方法。在这些方法中，文本挖掘技术显示了极大的优势。随着近年来文本挖掘技术的发展，同时出版商用XML格式存储文献，越来越多的文本挖掘系统（TMS）可用于文献管理，保持资料完整性，并确保可以适当地链接到其它资源以获得资料数据。即便如此，一些新的挑战已经出现在全文分析、生命科学术语、复杂关系抽取和信息融合。为了使文本挖掘更为有效，必须克服这些问题。在本文中，作者明确了文本挖掘中遇到的挑战，探讨如何克服这些问题，以及考虑应用现有可用资源帮助我们达到预期目标。
文章首先介绍了文本挖掘的研究背景和研究意义。由于文本挖掘使得所需的生物学文献更容易获取，它在各种方法中显示出了很大的优势，更为有效。比较而言，信息检索的目的是帮助用户寻找满足他们需求的信息，用户用一组关键词来表达检索意图，系统返回给用户一组包含这些关键词的文档。在信息检索中没有“产生”新的信息，而文本挖掘的目的是从文本数据中发现和产生新的知识。它将文本集合看作是知识库，而不是简单地看作是多个文本的集合。它检查文本集合中的每一个文本，抽取文本信息，然后提出关于新知识的假设，并验证它。
接下来文章提出了生物学文本挖掘主要面临的挑战，主要有以下三点：一，专业术语识别，例如基因名称和对应的数据库标示符如此之多，即使是专家要理解这些术语并保持更新和修改也是比较困难的；二，全文分析需要应用更为复杂的自然语言处理（NLP），这些不是当前生物信息检索和提取工具所能胜任的；三，当前的文本挖掘系统（TMS）无法整合来自不同资源、具有不同上下文和不同排版格式的信息。文本挖掘处理技术中主要包括：命名实体识别和跨物种规范化、关联关系和事实的提取（相关与无关的信息处理和规则提取）。
在文本挖掘的应用前景中，主要提出了以用户为中心的设计思想、生物信息学研究人员之间的沟通与协作、以及信息的融合。文本挖掘的研究人员通常善于分析文本内容，但他们并不善于设计对于普通用户来说很容易上手的交互系统。要解决此问题，研究人员必须设计具有直观界面的、需要很少或根本不需要文本挖掘背景知识和NLP技术的应用。这样做的目的是为生物信息学，生物学，生物医学和药理学的研究人员提供对于生物性反应的高层次的理解，并帮助他们形成新的假设。
最后文章给出了研究中可以利用的文本挖掘资源，例如特定领域的词汇，词典，术语标准，本体，和其他评价的基于任务的挑战是非常重要的。这些资源主要有：通过基于任务目标的竞赛来评估和促进文本挖掘研究，以及可用于研究的公共文本挖掘语料库。其中文本挖掘语料库包含命名实体识别语料库、关系提取语料库、词性语法语义标注和全文语料库。希望通过这些现有的资源可以更好地促进文本挖掘这一领域的进一步发展。