基于組合學習和主動學習的蛋白質(zhì)關系抽取.pdf

1、生命科學技術的不斷發(fā)展，導致了生物醫(yī)學領域文獻的數(shù)量呈爆炸式增長。因此，研究人員迫切需要自動化工具，從海量的文獻中，提取出感興趣的信息。隨著互聯(lián)網(wǎng)的日益完善，信息抽取技術迅速發(fā)展起來，并且在生物醫(yī)學領域產(chǎn)生了很大影響。蛋白質(zhì)關系(Protein-Protein Interaction，PPI)抽取，作為信息抽取在生物醫(yī)學領域的一個重要的應用，旨在從分子層面挖掘潛在的知識，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、單個分類器決策能力有限的問題，本文提出了組合學習的方法。該方法重點探索了特征設計以及多個分類器的集成問題。在特征選擇方面，從句子上下文以及多種句法結構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，然后構建特征向量;在分類器集成方面，選擇三個分類準確率較高、決策機制不同的分類器，分別為支持向量機、最大熵和樸素貝葉斯，應用Q-statistic方法驗證了不同分類器之間的差異性。采用線性加權的方法

3、，將各個分類器的決策結果集成，保證單獨抽取性能表現(xiàn)好的分類器，在融合中能夠分配到更高的權重。組合學習方法在典型的AIMed語料上獲得了71％的F值和92.9％的AUC值。
　　組合學習方法，只適用在有標注語料充足的情況。然而，在實際應用中，有標注的語料數(shù)量相對稀少。因此，為了解決這個問題，本文在組合學習方法的基礎上，提出了主動學習的方法。該方法采用基于不確定樣本的選擇方法，不斷從大量未標注語料中挑選出最具信息的樣本進行標注，對分類