基于机器学习的蛋白质相互作用关系抽取的研究
| 中文摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-15页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-11页 |
| ·研究现状 | 第11-13页 |
| ·本文的研究内容 | 第13页 |
| ·论文的组织结构 | 第13-15页 |
| 第2章 蛋白质关系抽取的相关知识 | 第15-30页 |
| ·生物医学文本挖掘技术 | 第15-19页 |
| ·生物医学文本挖掘技术概述 | 第15-16页 |
| ·生物医学文本挖掘关键技术 | 第16-19页 |
| ·蛋白质关系抽取 | 第19-23页 |
| ·蛋白质关系抽取概述 | 第19-20页 |
| ·蛋白质关系抽取的评测标准 | 第20页 |
| ·蛋白质关系抽取的方法 | 第20-23页 |
| ·支持向量机（SVM） | 第23-28页 |
| ·基本原理 | 第23-27页 |
| ·核函数 | 第27-28页 |
| ·SVM 特点及优势 | 第28页 |
| ·K 倍交叉验证法 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 基于特征向量的蛋白质关系抽取 | 第30-44页 |
| ·蛋白质关系抽取流程 | 第30-32页 |
| ·AIMED 语料库 | 第32-35页 |
| ·语料库格式 | 第32-33页 |
| ·语料库的预处理 | 第33-35页 |
| ·特征抽取与向量构造 | 第35-40页 |
| ·特征抽取 | 第35-38页 |
| ·特征向量构造 | 第38-40页 |
| ·分类器的选择 | 第40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 基于卷积树核函数的蛋白质关系抽取 | 第44-59页 |
| ·卷积树核函数 | 第44-47页 |
| ·PPI 实例的结构化信息 | 第47-49页 |
| ·完全句法树（FPT） | 第47-48页 |
| ·最小完全句法树（MCT） | 第48-49页 |
| ·最短路径包含树（SPT） | 第49页 |
| ·蛋白质相互作用关系实例的产生 | 第49-54页 |
| ·实验结果与分析 | 第54-58页 |
| ·实验结果 | 第54-56页 |
| ·错误分析 | 第56-58页 |
| ·本章小结 | 第58-59页 |
| 第5章 基于复合核函数的蛋白质关系抽取 | 第59-64页 |
| ·复合核 | 第59页 |
| ·线性复合和多项式复合 | 第59-60页 |
| ·实验及结果分析 | 第60-62页 |
| ·实验设置 | 第60-61页 |
| ·实验结果分析 | 第61-62页 |
| ·与其他系统进行比较 | 第62-63页 |
| ·本章小结 | 第63-64页 |
| 第6章 总结与展望 | 第64-66页 |
| ·研究工作总结 | 第64页 |
| ·下一步的工作设想 | 第64-66页 |
| 参考文献 | 第66-71页 |
| 攻读硕士学位期间发表的论文 | 第71页 |
| 攻读硕士学位期间参与的项目 | 第71-72页 |
| 致谢 | 第72-73页 |
