基于組合學(xué)習(xí)和主動(dòng)學(xué)習(xí)的蛋白質(zhì)關(guān)系抽取.pdf

1、生命科學(xué)技術(shù)的不斷發(fā)展，導(dǎo)致了生物醫(yī)學(xué)領(lǐng)域文獻(xiàn)的數(shù)量呈爆炸式增長。因此，研究人員迫切需要自動(dòng)化工具，從海量的文獻(xiàn)中，提取出感興趣的信息。隨著互聯(lián)網(wǎng)的日益完善，信息抽取技術(shù)迅速發(fā)展起來，并且在生物醫(yī)學(xué)領(lǐng)域產(chǎn)生了很大影響。蛋白質(zhì)關(guān)系(Protein-Protein Interaction，PPI)抽取，作為信息抽取在生物醫(yī)學(xué)領(lǐng)域的一個(gè)重要的應(yīng)用，旨在從分子層面挖掘潛在的知識(shí)，以供研究者使用。圍繞PPI抽取問題，本文從以下方面展開研究。

2、>　　為解決特征挖掘不足、單個(gè)分類器決策能力有限的問題，本文提出了組合學(xué)習(xí)的方法。該方法重點(diǎn)探索了特征設(shè)計(jì)以及多個(gè)分類器的集成問題。在特征選擇方面，從句子上下文以及多種句法結(jié)構(gòu)中提取了豐富的特征，并采用信息增益的特征選擇方法來篩選出最優(yōu)特征，然后構(gòu)建特征向量;在分類器集成方面，選擇三個(gè)分類準(zhǔn)確率較高、決策機(jī)制不同的分類器，分別為支持向量機(jī)、最大熵和樸素貝葉斯，應(yīng)用Q-statistic方法驗(yàn)證了不同分類器之間的差異性。采用線性加權(quán)的方法

3、，將各個(gè)分類器的決策結(jié)果集成，保證單獨(dú)抽取性能表現(xiàn)好的分類器，在融合中能夠分配到更高的權(quán)重。組合學(xué)習(xí)方法在典型的AIMed語料上獲得了71％的F值和92.9％的AUC值。
　　組合學(xué)習(xí)方法，只適用在有標(biāo)注語料充足的情況。然而，在實(shí)際應(yīng)用中，有標(biāo)注的語料數(shù)量相對(duì)稀少。因此，為了解決這個(gè)問題，本文在組合學(xué)習(xí)方法的基礎(chǔ)上，提出了主動(dòng)學(xué)習(xí)的方法。該方法采用基于不確定樣本的選擇方法，不斷從大量未標(biāo)注語料中挑選出最具信息的樣本進(jìn)行標(biāo)注，對(duì)分類