DNA分詞及語(yǔ)義分析系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、隨著生物信息學(xué)的不斷發(fā)展，越來(lái)越多的研究者通過(guò)統(tǒng)計(jì)分析發(fā)現(xiàn)，承載著人類遺傳信息的DNA序列中蘊(yùn)含著許多語(yǔ)言特性，與人類自然語(yǔ)言有諸多相似之處。眾所周知，使用傳統(tǒng)的生物學(xué)手段研究分析DNA存在著耗時(shí)長(zhǎng)、耗費(fèi)高、步驟繁瑣等諸多問(wèn)題。嘗試運(yùn)用自然語(yǔ)言手段來(lái)處理DNA語(yǔ)言能很好地解決這些問(wèn)題，為人們更深入地理解DNA遺傳信息帶來(lái)新方向。
　　本文將自然語(yǔ)言處理技術(shù)應(yīng)用到DNA序列上，搭建了一個(gè)DNA分詞及語(yǔ)義分析系統(tǒng)，其功能結(jié)構(gòu)主要分為分

2、詞和文本相似度計(jì)算兩部分。
　　在分詞方面，本文在采用多種特征、多種分詞模型的基礎(chǔ)上提出一種基于投票策略的分詞方法。這種方法使用了多種特征，包括邊界熵、距離熵、NCM值(normalized clustering measure)以及馬爾可夫模型下的z-score值，特征的多元化使得分詞的依據(jù)更加充分。同時(shí)實(shí)現(xiàn)了多種模型的分詞，其中包括條件隨機(jī)場(chǎng)模型，支持向量機(jī)以及本文提出的最大權(quán)值路徑模型。在機(jī)器學(xué)習(xí)的過(guò)程中，通過(guò)只處理轉(zhuǎn)錄因子

3、結(jié)合位點(diǎn)上下文附近的DNA序列的方式實(shí)現(xiàn)了對(duì)語(yǔ)料的優(yōu)化，排除了DNA語(yǔ)言中的大量噪聲，使得機(jī)器學(xué)習(xí)的效果更加優(yōu)秀。最后綜合了不同的特征組合、語(yǔ)料模型使用了一種基于投票策略的方法，得到了一個(gè)最優(yōu)分詞結(jié)果，將DNA分詞的召回率提高到了82.7％，相比CRF分詞方法有改善。
　　在DNA語(yǔ)義分析方面，本文首先構(gòu)建了一個(gè)語(yǔ)料庫(kù)，其中包括若干組功能相似的基因以及若干組DNA隨機(jī)片段；然后對(duì)其進(jìn)行分詞，挖掘在功能基因上頻繁出現(xiàn)且在非功能基因上