基于弱监督的蛋白质交互识别
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第13-18页 |
| 1.1 研究背景及意义 | 第13-14页 |
| 1.2 研究现状 | 第14-15页 |
| 1.3 本文的工作 | 第15-16页 |
| 1.4 本文的结构 | 第16-18页 |
| 第二章 相关工作 | 第18-25页 |
| 2.1 实体关系抽取的研究 | 第18-19页 |
| 2.2 生物医学领域文本挖掘 | 第19-24页 |
| 2.2.1 生物医学领域文本挖掘研究的介绍 | 第20页 |
| 2.2.2 生物医学领域实体关系抽取的研究 | 第20-21页 |
| 2.2.3 蛋白质交互识别的主要方法 | 第21-24页 |
| 2.3 本章总结 | 第24-25页 |
| 第三章 基于弱监督的蛋白质交互识别 | 第25-43页 |
| 3.1 系统框架 | 第25-26页 |
| 3.2 种子实例特征表示 | 第26-27页 |
| 3.2.1 词性标注 | 第26-27页 |
| 3.2.2 关系实例的表示 | 第27页 |
| 3.3 产生提取模式 | 第27-32页 |
| 3.3.1 对实例排序 | 第29-31页 |
| 3.3.2 产生提取模式 | 第31-32页 |
| 3.4 用提取模式识别候选关系实例 | 第32-34页 |
| 3.4.1 赋予提取模式得分 | 第32-33页 |
| 3.4.2 赋予候选实例得分 | 第33页 |
| 3.4.3 候选实例识别算法 | 第33-34页 |
| 3.5 从候选实例识别出有交互的蛋白质对 | 第34-35页 |
| 3.6 实验设计及结果分析 | 第35-42页 |
| 3.6.1 实验数据 | 第35-37页 |
| 3.6.2 实验设置 | 第37-38页 |
| 3.6.3 实验结果及分析 | 第38-42页 |
| 3.7 本章总结 | 第42-43页 |
| 第四章 特征词的选择 | 第43-53页 |
| 4.1 基于词向量的特征词选择 | 第43-47页 |
| 4.1.1 训练词向量 | 第43-45页 |
| 4.1.2 将特征词聚类并过滤单元素类 | 第45-46页 |
| 4.1.3 实验结果及分析 | 第46-47页 |
| 4.2 基于高频词的特征词选择 | 第47-51页 |
| 4.2.1 识别高频噪音词 | 第48-49页 |
| 4.2.2 过滤含有高频噪音词的类 | 第49页 |
| 4.2.3 过滤掉BET部分不存在的词 | 第49-50页 |
| 4.2.4 实验结果及分析 | 第50-51页 |
| 4.3 实验结果的比较和分析 | 第51-52页 |
| 4.4 本章总结 | 第52-53页 |
| 第五章 基于多层次线索的弱监督PPI识别 | 第53-62页 |
| 5.1 基于签名档相似性的PPI识别 | 第53-56页 |
| 5.1.1 蛋白质对签名档表示 | 第53-54页 |
| 5.1.2 相似性计算并赋予蛋白质对得分 | 第54-55页 |
| 5.1.3 实验设计及结果分析 | 第55-56页 |
| 5.2 基于多层次线索的蛋白质交互识别 | 第56-60页 |
| 5.2.1 多层次线索的组合模型 | 第56-57页 |
| 5.2.2 实验设计及结果分析 | 第57-60页 |
| 5.3 本章总结 | 第60-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62-63页 |
| 6.2 前景展望 | 第63-64页 |
| 参考文献 | 第64-69页 |
| 致谢 | 第69-70页 |
| 在学期间的研究成果及发表的学术论文 | 第70页 |
