基于核函數(shù)與SVD的蛋白質(zhì)關(guān)系抽取.pdf

1、隨著生物醫(yī)學(xué)文獻(xiàn)的不斷增加，大量的有用信息埋藏在文本里，因此生物醫(yī)學(xué)方面的文本挖掘成為當(dāng)今研究的熱點(diǎn)問(wèn)題，蛋白質(zhì)關(guān)系抽取作為文本挖掘的子任務(wù)，不僅對(duì)蛋白質(zhì)知識(shí)網(wǎng)絡(luò)的構(gòu)建有幫助，同時(shí)對(duì)蛋白質(zhì)關(guān)系的預(yù)測(cè)，新藥的研制均具有非常重要的意義。本文重點(diǎn)研究基于核函數(shù)與SVD的蛋白質(zhì)關(guān)系抽取方法，主要研究工作有基于集成核函數(shù)的蛋白質(zhì)關(guān)系抽取，多核學(xué)習(xí)的蛋白質(zhì)關(guān)系抽取，協(xié)同訓(xùn)練以及基于SVD的蛋白質(zhì)關(guān)系抽取方法。
　　 本文提出了一種集成核函數(shù)

2、方法，將本文自定義的路徑核函數(shù)與基于特征的線性核函數(shù)集成，其中自定義的路徑核方法，針對(duì)句法分析樹(shù)中提取出來(lái)的路徑，從路徑的長(zhǎng)度與維度兩方面考慮設(shè)計(jì)路徑核函數(shù)，并且應(yīng)用集成核函數(shù)方法抽取蛋白質(zhì)之間的關(guān)系，取得較好效果。使用多核學(xué)習(xí)方法應(yīng)用于蛋白質(zhì)關(guān)系抽取中，其中的多核主要包括詞特征核，樹(shù)核，以及路徑核。多核學(xué)習(xí)方法盡最大可能地提取句子中的語(yǔ)法，語(yǔ)義，詞匯等信息，提高蛋白質(zhì)關(guān)系抽取的效果。針對(duì)于已標(biāo)注語(yǔ)料少的情況，提出了協(xié)同訓(xùn)練方法，解決了