基于文本关系相似性的蛋白质交互关系识别
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 缩略词 | 第10-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景及意义 | 第11-12页 |
| ·研究现状 | 第12-13页 |
| ·本文的工作 | 第13-14页 |
| ·本文的结构 | 第14-15页 |
| 第二章 相关工作 | 第15-23页 |
| ·生物医学领域文本挖掘 | 第15-18页 |
| ·有关生物医学领域文本挖掘研究的介绍 | 第15-16页 |
| ·生物医学领域文本挖掘的研究内容 | 第16-18页 |
| ·PPI识别的主要方法 | 第18-22页 |
| ·基于同现的方法 | 第18页 |
| ·基于规则或模式匹配的方法 | 第18-19页 |
| ·基于自然语言处理的方法 | 第19-20页 |
| ·基于机器学习的方法 | 第20-22页 |
| ·本章总结 | 第22-23页 |
| 第三章 基于相似性的PPI识别 | 第23-27页 |
| ·相似性的定义 | 第23-24页 |
| ·语义相似性与语义相关性、语义距离的关系 | 第23-24页 |
| ·相似性的直觉性定义 | 第24页 |
| ·属性相似性 | 第24-25页 |
| ·关系相似性 | 第25页 |
| ·基于关系相似性框架的PPI识别 | 第25-26页 |
| ·本章总结 | 第26-27页 |
| 第四章 基于关系相似性框架的PPI识别基本模型 | 第27-41页 |
| ·关系相似性模型框架 | 第28-29页 |
| ·基于关系相似性的PPI识别 | 第29-35页 |
| ·收集关系描述 | 第30-31页 |
| ·关系表示 | 第31-32页 |
| ·关系相似性计算 | 第32-33页 |
| ·近邻分类 | 第33-35页 |
| ·实验设计及结果分析 | 第35-40页 |
| ·实验数据 | 第35-36页 |
| ·实验设置 | 第36-37页 |
| ·实验结果及讨论 | 第37-40页 |
| ·本章总结 | 第40-41页 |
| 第五章 特征单词相似性计算 | 第41-50页 |
| ·单词相似性计算的相关研究 | 第42-45页 |
| ·基于词典或语义层次的方法 | 第42-44页 |
| ·基于语料库的方法 | 第44-45页 |
| ·单词相似性模型的建立 | 第45-48页 |
| ·目标词集合 | 第45-46页 |
| ·数据预处理 | 第46-47页 |
| ·单词相似性矩阵的计算 | 第47-48页 |
| ·单词相似性计算结果及分析 | 第48-49页 |
| ·本章总结 | 第49-50页 |
| 第六章 基于相似性混合模型的PPI识别 | 第50-63页 |
| ·一种未引入单词相似性的方案 | 第50-52页 |
| ·权值调整 | 第52-56页 |
| ·基于权值调整的混合模型识别算法 | 第53-54页 |
| ·实验结果与分析 | 第54-56页 |
| ·特征聚类 | 第56-62页 |
| ·聚类簇特征的生成 | 第56-58页 |
| ·基于添加聚类簇特征的混合模型识别算法及评估 | 第58-60页 |
| ·以聚类簇为特征的混合模型识别算法及评估 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第七章 总结与展望 | 第63-65页 |
| ·工作总结 | 第63-64页 |
| ·前景展望 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70-71页 |
| 在学期间的研究成果及发表的论文 | 第71页 |
