LS-SVM与条件随机场结合的生物证据句子抽取

2015-01-02 02:01:18张力元姬东鸿
计算机工程 2015年5期
关键词:分类特征模型

张力元,姬东鸿

(武汉大学计算机学院,武汉430072)

1 概述

随着生物信息量呈爆炸式增长,越来越多的基因和基因对应的基因本体(Gene Ontology,GO)Term(对描述蛋白质充当的细胞组分、参与的生物过程、分子功能等描述性特征的标准化术语)被发现。这些基因和基因对应的GO Term提供给研究者,用于研究基因的位置、组成结构、基因序列和对应的功能性状。而这些所发现的基因和其对应的GO Term都被发表在每天以万计增长的公开的生物文章中。如果用人力来标注文章中的基因和其对应的GO Term。这将是一个耗时、耗力繁重的任务。为了寻求新的解决方案,BioCreative Workshop于2013年提出的一项新的任务[1],在给定的公开的生物文章中寻找这些基因和其对应的GO Term。为抽取基因本体证据句子(Gene Ontology Evidence Sentences,GOES)[1-2],本文采取循序渐进的方式,先从解决抽取单句问题入手,在单句系统中加入条件随机场(Conditional Random Field,CRF)模型,进而扩展到解决多句混合抽取问题。

2 研究现状

证据句子抽取任务是新开设的任务,现有的研究成果对各个指标(准确率、召回率、F值)各有侧重,导致结果的不平衡状态出现。

在2013年针对证据句子抽取任务的系统中,基于朴素贝叶斯模型对传统特征进行分类抽取[3]的系统是基准系统。该系统中的贝叶斯分类模型选取词和句子长度等一系列特征,对抽取出的每个单句进行分类,得到的实验结果中,正确率/召回率/F值为0.354/0.220/0.27。其系统中分类特征主要是基于词,会导致太多噪音。但其主要是在生物领域中的,如果只基于词,很多信息会涵盖不到,其召回率也会很低。……

登录APP查看全文

猜你喜欢
分类特征模型
一半模型
分类算一算
重尾非线性自回归模型自加权M-估计的渐近分布
如何表达“特征”
不忠诚的四个特征
当代陕西(2019年10期)2019-06-03 10:12:04
教你一招:数的分类
3D打印中的模型分割与打包
线性代数的应用特征
河南科技(2014年23期)2014-02-27 14:19:15