基于上下文语义相似性约束的蛋白质交互关系识别
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-11页 |
| 缩略词 | 第11-12页 |
| 第一章 绪论 | 第12-16页 |
| ·研究背景及意义 | 第12-13页 |
| ·研究现状 | 第13-14页 |
| ·本文的工作 | 第14页 |
| ·本文的结构 | 第14-16页 |
| 第二章 相关工作 | 第16-23页 |
| ·生物医学领域文本挖掘 | 第16-18页 |
| ·生物医学领域文本挖掘研究 | 第16页 |
| ·生物医学领域文本挖掘的主要内容 | 第16-18页 |
| ·蛋白质交互关系识别概述 | 第18页 |
| ·蛋白质交互关系识别的主要方法 | 第18-22页 |
| ·基于同现的方法 | 第19页 |
| ·基于模式匹配的方法 | 第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 关系描述的获取和表示 | 第23-27页 |
| ·蛋白质交互关系识别过程 | 第24-26页 |
| ·建立目标蛋白质对的签名档 | 第24-26页 |
| ·蛋白质关系表示 | 第26页 |
| ·本章总结 | 第26-27页 |
| 第四章 基于词性加权和单词相似性的蛋白质交互识别 | 第27-38页 |
| ·基于词性加权的蛋白质关系向量表示 | 第27-29页 |
| ·词性标注 | 第27-28页 |
| ·构建向量空间模型 | 第28-29页 |
| ·支持向量机分类器 | 第29-30页 |
| ·实验设置与结果分析 | 第30-32页 |
| ·实验数据 | 第30页 |
| ·实验设置 | 第30-31页 |
| ·实验结果与分析 | 第31-32页 |
| ·基于单词相似性的蛋白质关系向量表示 | 第32-35页 |
| ·单词相似性计算 | 第33-35页 |
| ·特征向量权值调整 | 第35页 |
| ·实验设置与结果分析 | 第35-36页 |
| ·实验设置 | 第35页 |
| ·实验结果与分析 | 第35-36页 |
| ·本章总结 | 第36-38页 |
| 第五章 基于语义相似性的PPI识别 | 第38-49页 |
| ·关系相似性 | 第39-40页 |
| ·基于关系相似性的PPI识别 | 第40-44页 |
| ·蛋白质对关系表示 | 第41-42页 |
| ·相似度计算 | 第42页 |
| ·K近邻分类 | 第42-44页 |
| ·实验设置与结果分析 | 第44-48页 |
| ·K近邻分类器识别结果 | 第44-47页 |
| ·SVM分类器识别结果 | 第47-48页 |
| ·本章总结 | 第48-49页 |
| 第六章 基于Minimum Cuts的PPI识别 | 第49-61页 |
| ·Minimum Cuts算法描述 | 第49-50页 |
| ·Minimum Cuts能应用于PPI识别？ | 第50-51页 |
| ·构建Minimum Cuts分类器 | 第51-53页 |
| ·蛋白质对关系表示及相似度计算 | 第51页 |
| ·实例点与s、t之间边的权重计算 | 第51-52页 |
| ·实例点之间边的权重计算 | 第52-53页 |
| ·实验设置与结果分析 | 第53-60页 |
| ·实验设置 | 第53-54页 |
| ·Minimum Cuts分类器的识别结果 | 第54-58页 |
| ·SVM分类器的识别结果 | 第58-60页 |
| ·本章总结 | 第60-61页 |
| 第七章 总结与展望 | 第61-63页 |
| ·工作总结 | 第61-62页 |
| ·前景展望 | 第62-63页 |
| 参考文献 | 第63-68页 |
| 致谢 | 第68-69页 |
| 在学期间的研究成果及发表的学术论文 | 第69页 |
