蛋白质相互作用有向关系抽取的研究与实现
| 摘要 | 第1-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第11-21页 |
| ·概述 | 第11-13页 |
| ·信息检索与抽取技术 | 第11-12页 |
| ·生命科学的发展与问题 | 第12页 |
| ·生物医学文献信息抽取 | 第12-13页 |
| ·生物信息抽取的内容 | 第13-15页 |
| ·生物实体关系的应用 | 第15-17页 |
| ·当前的主要问题 | 第17-18页 |
| ·本文主要工作 | 第18-19页 |
| ·本文结构 | 第19-21页 |
| 第二章 蛋白质相互作用关系抽取的任务与难点 | 第21-27页 |
| ·关系抽取的任务 | 第21-24页 |
| ·Biocreative 2 评测 | 第21-23页 |
| ·评测背景 | 第21-22页 |
| ·评测目标 | 第22页 |
| ·评测任务 | 第22-23页 |
| ·LLL05 评测 | 第23-24页 |
| ·蛋白质相互作用关系抽取的难点 | 第24-26页 |
| ·生物文献的特点 | 第24-25页 |
| ·蛋白质名称的特点 | 第25页 |
| ·相互作用关系的特点 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 相关方法介绍 | 第27-32页 |
| ·关系抽取的主要方法 | 第27-28页 |
| ·语法分析方法 | 第27页 |
| ·规则匹配方法 | 第27-28页 |
| ·机器学习方法 | 第28页 |
| ·其它方法 | 第28页 |
| ·机器学习模型 | 第28-31页 |
| ·隐马尔可夫模型(HMM) | 第29-30页 |
| ·最大熵模型(ME) | 第30页 |
| ·人工神经网络(ANN) | 第30-31页 |
| ·小结 | 第31-32页 |
| 第四章 基于SVM方法的关系抽取 | 第32-53页 |
| ·基本思想 | 第32-33页 |
| ·支持向量机SVM | 第33-35页 |
| ·理论背景概述 | 第33页 |
| ·模型描述 | 第33-35页 |
| ·特征设计 | 第35-42页 |
| ·词特征集( Word ) | 第36页 |
| ·词性特征集( Word ) | 第36-37页 |
| ·逻辑特征集( Word ) | 第37-39页 |
| ·依存句法特征集( Word ) | 第39-42页 |
| ·依存句法分析器 | 第39-40页 |
| ·依存句法特征的设计 | 第40-42页 |
| ·实验设计与分析 | 第42-52页 |
| ·实验语料 | 第42-43页 |
| ·实现 | 第43-45页 |
| ·实验结果与分析 | 第45-51页 |
| ·实验结果 | 第45-46页 |
| ·不同特征集的作用 | 第46-49页 |
| ·学习曲线 | 第49-51页 |
| ·实验结论 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第五章 蛋白质相互作用关系的方向 | 第53-61页 |
| ·基本思想 | 第53页 |
| ·特征设计 | 第53-58页 |
| ·基本特征集( Word ) | 第54-55页 |
| ·上下文特征集( Word ) | 第55页 |
| ·子树特征集( Word ) | 第55-56页 |
| ·从句特征集( Word ) | 第56-58页 |
| ·实验设计与分析 | 第58-60页 |
| ·实验设计与实现 | 第58页 |
| ·实验结果与分析 | 第58-60页 |
| ·单个特征集的结果 | 第58-59页 |
| ·特征集累加的结果 | 第59-60页 |
| ·实验结论 | 第60页 |
| ·小结 | 第60-61页 |
| 第六章 结束语 | 第61-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 作者在学期间取得的学术成果 | 第68页 |
