

版權(quán)說明:本文檔由用戶提供并上傳,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)
文檔簡介
1、近年來,由于人類基因組計(jì)劃(HumanGenomeProject)的實(shí)施以及分子生物學(xué)、信息科學(xué)的發(fā)展,DNA、RNA以及蛋白質(zhì)等生物數(shù)據(jù)量空前增長,同時(shí)功能基因組和蛋白質(zhì)組的大量數(shù)據(jù)已開始涌現(xiàn)。生物醫(yī)學(xué)文獻(xiàn)的數(shù)量也是在迅速的膨脹,數(shù)據(jù)不等同于知識(shí),但卻是信息和知識(shí)的源泉。激增的數(shù)據(jù)背后隱藏著許多重要的信息,如何從海量的醫(yī)學(xué)數(shù)據(jù)中抽取知識(shí)成為當(dāng)前一個(gè)研究的熱點(diǎn),要從生物醫(yī)學(xué)文獻(xiàn)中抽取知識(shí),首先要做的就是正確識(shí)別文獻(xiàn)中出現(xiàn)的大量的生物實(shí)體
2、名。實(shí)體識(shí)別準(zhǔn)確率的高低直接影響著數(shù)據(jù)挖掘系統(tǒng)的好壞與否,因此實(shí)體識(shí)別在生物醫(yī)學(xué)文獻(xiàn)的挖掘中成為關(guān)鍵性的一步。 目前對(duì)于實(shí)體識(shí)別采用的方法主要有以下幾種,基于人工組織規(guī)則的方法,基于詞典的方法和基于機(jī)器學(xué)習(xí)的方法,比較常用的就是基于詞典的方法和基于機(jī)器學(xué)習(xí)的方法。詞典法可以提供實(shí)體名的ID信息,機(jī)器學(xué)習(xí)法可以在訓(xùn)練中逐步提高自己的識(shí)別能力,但是由于生物實(shí)體名的特殊性,比如沒有統(tǒng)一的命名規(guī)則,同一實(shí)體,可能會(huì)有不同的命名,兩種方法
3、還都沒有達(dá)到理想的效果,第一個(gè)問題就是由于蛋白質(zhì)名拼寫的多樣性造成了大量的錯(cuò)誤的識(shí)別。另一個(gè)問題就是很多的蛋白質(zhì)名是由兩個(gè)或兩個(gè)以上的單詞組成,多個(gè)單詞組成實(shí)體名就出現(xiàn)詞序問題,詞典中只有一種最常用的排列,而常用的搭配算法很難把文獻(xiàn)中出現(xiàn)的其他的順序的實(shí)體名全部找到,因而造成很多變形寫法不能識(shí)別。因此不能簡單的通過查找在詞典中出現(xiàn)的詞作為目標(biāo)詞。機(jī)器學(xué)習(xí)方法經(jīng)實(shí)驗(yàn)證明是一個(gè)非常有效的方法,只是它不能提供關(guān)于被識(shí)別詞條的驗(yàn)證信息。另外機(jī)器
4、學(xué)習(xí)的方法需要大規(guī)模的訓(xùn)練文本來提高識(shí)別能力,但是目前這樣的訓(xùn)練文本還不夠多。 本文就生物實(shí)體識(shí)別進(jìn)行了研究,結(jié)合了詞典法和機(jī)器學(xué)習(xí)法的優(yōu)點(diǎn),提高了識(shí)別的準(zhǔn)確率和查全率,識(shí)別過程包含兩個(gè)步驟:一是識(shí)別階段,即通過蛋白質(zhì)名詞典和近似匹配算法確定蛋白質(zhì)名候選詞,解決了拼寫的多樣化的問題,提高了查全率;二是過濾階段,即通過機(jī)器學(xué)習(xí)方法訓(xùn)練一個(gè)分類器,把利用近似匹配算法錯(cuò)誤識(shí)別出來的假蛋白質(zhì)名過濾掉,以提高識(shí)別的準(zhǔn)確率。但是仍然有些問題
溫馨提示
- 1. 本站所有資源如無特殊說明,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)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 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. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(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
- 基于生物醫(yī)學(xué)文獻(xiàn)的蛋白質(zhì)關(guān)系發(fā)現(xiàn).pdf
- 基于蛋白質(zhì)序列和生物醫(yī)學(xué)文獻(xiàn)的蛋白質(zhì)功能挖掘.pdf
- 生物醫(yī)學(xué)文獻(xiàn)中的蛋白質(zhì)相互作用關(guān)系抽取.pdf
- 生物醫(yī)學(xué)文獻(xiàn)中命名實(shí)體的識(shí)別.pdf
- 生物醫(yī)學(xué)文本中蛋白質(zhì)相互作用關(guān)系抽取關(guān)鍵技術(shù)研究.pdf
- 生物醫(yī)學(xué)文本中基因名識(shí)別的特征選擇方法研究.pdf
- 基于WEB的生物醫(yī)學(xué)文獻(xiàn)挖掘.pdf
- 中國生物醫(yī)學(xué)文獻(xiàn)服務(wù)系統(tǒng)(sinomed)
- 基于生物醫(yī)學(xué)文獻(xiàn)挖掘的化合物與疾病關(guān)系識(shí)別.pdf
- 中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫(cbm)
- 中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫cbm
- 基于生物醫(yī)學(xué)文獻(xiàn)的知識(shí)發(fā)現(xiàn)方法研究.pdf
- 基于生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)的命名實(shí)體識(shí)別并行算法研究.pdf
- 面向生物醫(yī)學(xué)文獻(xiàn)的文本挖掘技術(shù)研究.pdf
- 生物醫(yī)學(xué)文本中實(shí)體關(guān)系抽取的研究.pdf
- 基于概念和段落檢索的生物醫(yī)學(xué)文獻(xiàn)知識(shí)發(fā)現(xiàn).pdf
- 中國生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫檢索方法cbm
- 基于語義的生物醫(yī)學(xué)文獻(xiàn)隱含知識(shí)發(fā)現(xiàn)的算法研究.pdf
- 基于Internet的生物醫(yī)學(xué)文獻(xiàn)資源保障系統(tǒng)的研究.pdf
- 蛋白質(zhì)網(wǎng)絡(luò)模體發(fā)現(xiàn)算法及其在關(guān)鍵蛋白質(zhì)識(shí)別中的應(yīng)用.pdf
評(píng)論
0/150
提交評(píng)論