| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-14页 |
| ·研究背景 | 第9页 |
| ·蛋白质交互关系抽取的意义 | 第9-10页 |
| ·蛋白质交互关系抽取的难点 | 第10页 |
| ·国内外研究现状 | 第10-13页 |
| ·基于自然语言处理的方法 | 第11页 |
| ·基于规则的方法 | 第11-12页 |
| ·基于机器学习和统计的方法 | 第12-13页 |
| ·本文的工作以及本文的结构 | 第13-14页 |
| 2 关系抽取的相关知识以及模型算法介绍 | 第14-27页 |
| ·关系抽取的相关知识 | 第14-16页 |
| ·信息抽取的定义 | 第14页 |
| ·信息抽取的相关研究活动 | 第14-15页 |
| ·关系抽取的分类 | 第15-16页 |
| ·关系抽取的评价标准 | 第16页 |
| ·支持向量机 | 第16-21页 |
| ·机器学习 | 第17-18页 |
| ·线性可分和线性不可分SVM | 第18-21页 |
| ·核函数 | 第21页 |
| ·链接语法 | 第21-24页 |
| ·链接语法的定义 | 第22页 |
| ·链接语法分析器 | 第22-24页 |
| ·提取句子中两单词之间的链接路径 | 第24页 |
| ·互信息 | 第24-25页 |
| ·熵的定义 | 第24-25页 |
| ·互信息 | 第25页 |
| ·近邻算法 | 第25-27页 |
| 3 基于SVM的蛋白质交互关系抽取 | 第27-33页 |
| ·抽取特征向量 | 第27-30页 |
| ·词项特征 | 第27-28页 |
| ·链接特征 | 第28-29页 |
| ·词对特征 | 第29页 |
| ·距离特征 | 第29-30页 |
| ·基于SVM模型的蛋白质交互关系抽取 | 第30-33页 |
| 4 基于SVM和其他模型相结合的蛋白质交互关系抽取 | 第33-42页 |
| ·基于SVM和互信息组合模型的蛋白质交互关系抽取 | 第33-37页 |
| ·句子中两蛋白质之间路径提取 | 第33-34页 |
| ·路径核的定义 | 第34页 |
| ·基于互信息的蛋白质交互关系抽取 | 第34-36页 |
| ·SVM与互信息组合模型 | 第36-37页 |
| ·基于修正的SVM-KNN组合模型的蛋白质交互关系抽取 | 第37-40页 |
| ·修正的K近邻算法 | 第37-38页 |
| ·修正的SVM-KNN算法 | 第38页 |
| ·基于修正的SVM-KNN算法蛋白质交互关系抽取 | 第38-40页 |
| ·基于修正的SVM-KNN和互信息组合的蛋白质交互关系抽取 | 第40-42页 |
| 5 实验结果与分析 | 第42-52页 |
| ·单纯使用SVM模型 | 第42-44页 |
| ·基于SVM和互信息相结合的蛋白质交互关系抽取 | 第44页 |
| ·修正SVM-KNN组合模型 | 第44-47页 |
| ·基于SVM-KNN组合算法的蛋白质交互关系抽取 | 第44-46页 |
| ·基于修正SVM-KNN组合算法的蛋白质交互关系抽取 | 第46-47页 |
| ·修正SVM-KNN与互信息组合模型 | 第47-48页 |
| ·四种方法的比较 | 第48-49页 |
| ·与其它文献的比较 | 第49-52页 |
| 结论 | 第52-54页 |
| 参考文献 | 第54-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-59页 |
