生物医学文献中的蛋白质名识别
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 引言 | 第7-10页 |
| 1 命名实体识别研究 | 第10-16页 |
| 1．1 简介 | 第10-11页 |
| 1．1．1 命名实体识别的任务 | 第10页 |
| 1．1．2 命名实体识别的意义 | 第10-11页 |
| 1．2 命名实体识别方法 | 第11-16页 |
| 1．2．1 基于人工组织规则的方法 | 第11-12页 |
| 1．2．2 基于机器学习的方法 | 第12-14页 |
| 1．2．3 人工组织规则和机器学习相结合的方法 | 第14-16页 |
| 2 基于词典法的生物实体识别研究 | 第16-24页 |
| 2．1 词典的建立 | 第16页 |
| 2．2 匹配算法 | 第16-24页 |
| 2．2．1 “精确”匹配算法 | 第16-18页 |
| 2．2．2 “弹性”匹配算法 | 第18-24页 |
| 3 机器学习法 | 第24-34页 |
| 3．1 贝叶斯分类器 | 第24-28页 |
| 3．1．1 贝叶斯分类器的原理 | 第25-27页 |
| 3．1．2 贝叶斯分类器的训练过程 | 第27-28页 |
| 3．1．3 贝叶斯分类器的测试 | 第28页 |
| 3．2 支持向量机分类方法 | 第28-34页 |
| 3．2．1 支持向量机简介 | 第28页 |
| 3．2．2 SVM分类的原理 | 第28-33页 |
| 3．2．3 SVM的训练过程 | 第33页 |
| 3．2．4 SVM的测试 | 第33-34页 |
| 4 基于词典法和机器学习法相结合的蛋白质名识别 | 第34-42页 |
| 4．1 引言 | 第34-35页 |
| 4．2 提取候选词 | 第35-36页 |
| 4．3 通过朴素贝叶斯分类器来过滤候选词 | 第36-38页 |
| 4．3．1 朴素贝叶斯分类器 | 第36-37页 |
| 4．3．2 特征选取 | 第37页 |
| 4．3．3 训练 | 第37-38页 |
| 4．4 数值实验 | 第38-40页 |
| 4．4．1 文集和词典 | 第38页 |
| 4．4．2 通过不同的近似序列查找查全率的比较 | 第38-39页 |
| 4．4．3 通过过滤提高准确率 | 第39页 |
| 4．4．4 特征的选择 | 第39-40页 |
| 4．5 本章小结 | 第40-42页 |
| 结论 | 第42-43页 |
| 研究工作小结 | 第42页 |
| 研究工作的展望 | 第42-43页 |
| 参考文献 | 第43-46页 |
| 攻读硕士学位期间发表学术论文情况 | 第46-47页 |
| 致谢 | 第47-48页 |
| 大连理工大学学位论文版权使用授权书 | 第48页 |
