| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 相关研究工作 | 第13-16页 |
| 1.2.1 基于规则的方法 | 第13-14页 |
| 1.2.2 基于计算语言学的方法 | 第14页 |
| 1.2.3 基于机器学习的方法 | 第14-16页 |
| 1.3 本文的研究内容 | 第16-17页 |
| 1.4 本文的组织结构 | 第17-18页 |
| 第二章 蛋白质关系提取相关知识 | 第18-34页 |
| 2.1 PPI提取基本概念 | 第18-19页 |
| 2.2 支撑技术 | 第19-21页 |
| 2.3 相关资源及工具 | 第21-31页 |
| 2.3.1 PPI语料库 | 第21-22页 |
| 2.3.2 句法分析器 | 第22-25页 |
| 2.3.3 SVM分类器 | 第25-27页 |
| 2.3.4 卷积树核函数 | 第27-31页 |
| 2.4 实验方法及评价标准 | 第31-34页 |
| 2.4.1 k倍交叉验证法 | 第31-32页 |
| 2.4.2 常用性能评价标准 | 第32-34页 |
| 第三章 有效优化路径指导的成分分析树算法EOP-CPT | 第34-51页 |
| 3.1 SDP-CPT算法描述 | 第34-39页 |
| 3.2 SDP-CPT算法同位语依存关系的噪音问题 | 第39-41页 |
| 3.3 EOP-CPT算法描述 | 第41-45页 |
| 3.4 实验结果及分析 | 第45-51页 |
| 3.4.1 语料库预处理 | 第45-48页 |
| 3.4.2 实验方法及设置 | 第48页 |
| 3.4.3 与其他PPI提取系统在AIMed语料库上的性能比较 | 第48-49页 |
| 3.4.4 与其他PPI提取系统在多个语料库上的性能比较 | 第49-50页 |
| 3.4.5 交叉语料库实验 | 第50-51页 |
| 第四章 有效优化和扩展路径指导的成分分析树算法EOEP-CPT | 第51-61页 |
| 4.1 SDP-CPT算法关键动词遗漏问题 | 第51-52页 |
| 4.2 EOEP-CPT算法描述 | 第52-56页 |
| 4.3 实验及结果分析 | 第56-61页 |
| 4.3.1 参数c对PPI提取性能的影响 | 第56-57页 |
| 4.3.2 与其他成分句法树结构的比较 | 第57-59页 |
| 4.3.3 与其他PPI提取系统在AIMed语料库上的性能比较 | 第59页 |
| 4.3.4 与其他PPI提取系统在多个语料库上的性能比较 | 第59-60页 |
| 4.3.5 交叉语料库实验 | 第60-61页 |
| 第五章 总结与展望 | 第61-63页 |
| 5.1 本文的工作总结 | 第61-62页 |
| 5.2 下一步的工作展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 在校期间发表的论文和参加的科研项目 | 第68-69页 |
| 致谢 | 第69页 |
