詞典和機(jī)器學(xué)習(xí)相結(jié)合的生物命名實(shí)體識(shí)別.pdf_第1頁(yè)
已閱讀1頁(yè),還剩60頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶(hù)提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、生物命名實(shí)體識(shí)別(Biomedical name entity recognition,Bio-NER)是在分子生物學(xué)及醫(yī)學(xué)領(lǐng)域?qū)?zhuān)業(yè)詞匯加以確認(rèn)和分類(lèi),這類(lèi)專(zhuān)業(yè)詞匯包括蛋白質(zhì)、基因、RNA以及他們的活動(dòng)位置,如細(xì)胞線(xiàn)等。當(dāng)前海量的生物醫(yī)學(xué)文獻(xiàn)為文本挖掘技術(shù)提供了用武之地,可以使用該技術(shù)挖掘出海量文獻(xiàn)中蘊(yùn)藏的各種知識(shí)。為了得到基因、蛋白質(zhì)等生物實(shí)體之間的聯(lián)系,首先要在文獻(xiàn)中識(shí)別基因、蛋白質(zhì)等生物實(shí)體。因此生物命名實(shí)體識(shí)別是其他文本挖掘技

2、術(shù)如關(guān)系抽取、假設(shè)生成、文本分類(lèi)的基礎(chǔ)。
   現(xiàn)階段生物命名實(shí)體識(shí)別的研究方法大體可以分為基于詞典、基于規(guī)則和基于統(tǒng)計(jì)機(jī)器學(xué)習(xí)三種方法?;谠~典的方法簡(jiǎn)單實(shí)用,但是性能卻限制于詞典的規(guī)模與質(zhì)量?;谝?guī)則的方法取決于規(guī)則的完備性和合理性,缺乏一定的適應(yīng)性?;诮y(tǒng)計(jì)機(jī)器學(xué)習(xí)的方法主要應(yīng)用現(xiàn)有的人工標(biāo)注好的語(yǔ)料在相應(yīng)的統(tǒng)計(jì)機(jī)器學(xué)習(xí)工具下進(jìn)行訓(xùn)練,生成目標(biāo)模型,最后使用該模型去標(biāo)注未知語(yǔ)料。該方法在移植到新的領(lǐng)域或其他自然語(yǔ)言文本時(shí)可

3、以不做或只做較少的改動(dòng),已成為現(xiàn)階段研究的主流方法。
   為了彌補(bǔ)單純基于詞典的方法的缺陷,并結(jié)合統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法的優(yōu)勢(shì),本文提出了一種基于詞典和機(jī)器學(xué)習(xí)相結(jié)合的生物命名實(shí)體識(shí)別方法?;谏锩麑?shí)體詞典和條件隨機(jī)域(Conditional random fields,CRFs)訓(xùn)練獲得“實(shí)體詞性”(Part OfSpeech-Entity,POS-Entity)標(biāo)注模型,對(duì)未知語(yǔ)料進(jìn)行標(biāo)注獲得“實(shí)體詞性”特征。同時(shí)根據(jù)生物命

4、名實(shí)體的特點(diǎn)提取詞形等特征,結(jié)合上述“實(shí)體詞性”特征基于CRFs訓(xùn)練獲得生物命名實(shí)體識(shí)別模型。為進(jìn)一步提高識(shí)別性能,在“實(shí)體詞性”標(biāo)注階段采取將生物實(shí)體分成不同組別,分別進(jìn)行“實(shí)體詞性”標(biāo)注的分組策略。
   基于JNLPBA2004語(yǔ)料集進(jìn)行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明本文提出的基于詞典和機(jī)器學(xué)習(xí)相結(jié)合的方法取得了較好的結(jié)果,在“實(shí)體標(biāo)記”階段應(yīng)用分組策略后綜合分類(lèi)率72.83%。對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行錯(cuò)誤分析,針對(duì)典型錯(cuò)誤進(jìn)行后續(xù)處理后綜合分

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶(hù)所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶(hù)上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶(hù)上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶(hù)因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

最新文檔

評(píng)論

0/150

提交評(píng)論