基于丰富特征和多核学习的蛋白质关系抽取
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-13页 |
| ·研究背景 | 第9页 |
| ·研究现状 | 第9-11页 |
| ·本文的工作 | 第11-12页 |
| ·本文的结构 | 第12-13页 |
| 2 蛋白质关系抽取相关知识 | 第13-26页 |
| ·文本挖掘与信息抽取 | 第13-15页 |
| ·文本挖掘 | 第13-14页 |
| ·信息抽取 | 第14-15页 |
| ·支持向量机 | 第15-20页 |
| ·最优分类超平面 | 第16-18页 |
| ·支持向量机 | 第18-19页 |
| ·核函数 | 第19-20页 |
| ·句法分析 | 第20-23页 |
| ·依存句法分析 | 第20-21页 |
| ·深层句法分析 | 第21-23页 |
| ·评测方法和实验语料 | 第23-26页 |
| ·评测指标 | 第23-24页 |
| ·语料 | 第24-26页 |
| 3 基于丰富特征的蛋白质关系抽取 | 第26-34页 |
| ·基于特征的PPI抽取方法 | 第26-27页 |
| ·预处理 | 第27页 |
| ·特征向量构建 | 第27-30页 |
| ·上下文特征 | 第28-29页 |
| ·句法特征 | 第29-30页 |
| ·实验及结果分析 | 第30-34页 |
| ·方法在AImed语料上的性能分析 | 第31-32页 |
| ·方法在5个语料上的性能分析 | 第32-33页 |
| ·下一步工作 | 第33-34页 |
| 4 基于核函数的蛋白质关系抽取 | 第34-49页 |
| ·相关工作 | 第34-35页 |
| ·核函数 | 第35-41页 |
| ·基于特征的核函数 | 第35页 |
| ·路径加权子序列核 | 第35-39页 |
| ·图核 | 第39-40页 |
| ·多核学习 | 第40-41页 |
| ·实验及结果分析 | 第41-48页 |
| ·实验设计 | 第41-42页 |
| ·核函数在AImed语料上的性能分析 | 第42-43页 |
| ·核函数在5个语料上的有效性验证实验 | 第43-45页 |
| ·与其他方法的比较 | 第45-47页 |
| ·错误分析 | 第47-48页 |
| ·总结和下一步工作 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表学术论文情况 | 第54-55页 |
| 致谢 | 第55-56页 |
