利用词表示和深层神经网络抽取蛋白质关系

发布时间：2018-03-13 01:16

  本文选题：蛋白质关系抽取　切入点：词表示　出处：《中文信息学报》2017年01期 　论文类型：期刊论文

【摘要】：蛋白质关系抽取是生物医学信息抽取领域的重要分支。目前研究中,基于特征和核函数方法的蛋白质关系抽取已被充分研究,并且达到了很高的F-值,通过改进特征和核函数进一步优化实例表示变得十分困难。该文结合词表示和深层神经网络,提出了一种实例表示模型。该模型能够充分利用词表示的语义表示能力和深层神经网络的表示优化能力;同时引入主成分分析和特征选择进行特征优化,并且通过比较多种传统的分类器,寻找适合蛋白质关系抽取的分类器。该方法在AIMed语料、BioInfer语料和HPRD50语料上的F-值分别取得了70.5%、82.2%和80.0%,在蛋白质关系抽取任务上达到了目前最好的抽取水平。
[Abstract]:Protein relation extraction is an important branch of biomedical information extraction. At present, protein relation extraction based on feature and kernel function method has been fully studied, and has reached a very high F- value. It is very difficult to improve the feature and kernel function to further optimize the representation of examples. An example representation model is proposed, which can make full use of the semantic representation ability of word representation and the representation optimization ability of deep neural network, at the same time, principal component analysis and feature selection are introduced for feature optimization. And by comparing many kinds of traditional classifiers, This method obtained 70.5% 82.2% and 80.0% F- values on AIMed data and HPRD50 corpus, respectively, and reached the best extraction level in the task of protein relation extraction.
【作者单位】： 大连理工大学计算机科学与技术学院;
【基金】：国家自然科学基金(61672126,61173101,61173100)
【分类号】：Q811.4;TP183

【相似文献】

相关期刊论文 前10条

1 姚吟秋;;浅谈神经网络在生物工程中的应用[J];贵州农机化;2011年01期

2 潘卓华;汪云九;;神经网络中的竞争与协作[J];生物化学与生物物理进展;1984年05期

3 王书荣;信息、记忆和神经网络——神经科学进展之二[J];生物化学与生物物理进展;1990年06期

4 刘刚,梁明理;神经网络中伴随着搜索过程的联想[J];生物化学与生物物理进展;1991年04期

5 赵泳根;;神经网络专题书目[J];生命科学;1993年01期

6 樊树海,肖田元,楼佩煌,张林搚;含体液因子影响的神经网络仿真[J];系统仿真学报;2004年10期

7 邹凌云;王正志;黄教民;;基于位置特异性谱和输入加权神经网络的蛋白质亚细胞定位预测(英文)[J];遗传学报;2007年12期

8 潘峰,汪云九,姚国正,齐(?林;一个模拟视觉交变现象的神经网络[J];生物物理学报;1990年02期

9 史超,汪云九,姚国正;适应共振神经网络[J];生物化学与生物物理进展;1991年02期

10 乔平林,张继贤,卢秀山,高武俊,张运生;基于神经网络的区域生态环境分类方法研究[J];地理与地理信息科学;2004年02期

相关会议论文 前7条

1 邹凌云;王正志;;基于主成分分析-神经网络的非编码RNA预测[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

2 王如彬;王梓印;;皮层神经网络的能量编码[A];第十四届全国非线性振动暨第十一届全国非线性动力学和运动稳定性学术会议摘要集与会议议程[C];2013年

3 王如彬;张志康;沈恩华;;多个神经振子群网络的相变动力学编码[A];第八届全国动力学与控制学术会议论文集[C];2008年

4 谢锦丽;王直杰;;抑制性反馈对脉冲神经网络相关性放电影响研究[A];第一届全国神经动力学学术会议程序手册 & 论文摘要集[C];2012年

5 蒋兴宇;黄卓;;利用微纳米工具调控神经细胞和神经网络形貌及功能[A];中国化学会第29届学术年会摘要集——论坛十：首届青年化学家论坛[C];2014年

6 刘国松;;神经网络可塑性的调节机理与抗脑衰老的新途径[A];第十次中国生物物理学术大会论文摘要集[C];2006年

7 徐静媛;马春排;;基于灰色理论和神经网络的生物建模研究[A];中国生物医学工程进展——2007中国生物医学工程联合学术年会论文集（下册）[C];2007年

相关硕士学位论文 前10条

1 申蛟隆;秀丽线虫感知神经网络的电路实现研究[D];长沙理工大学;2014年

2 张严焱;基底刚度对海马神经网络钙信号以及突触传递的影响[D];北京体育大学;2016年

3 汤达祺;基于BP神经网络的蛋白质结构并行分析[D];华南理工大学;2016年

4 范航恺;基于卷积神经网络的序列特异性预测研究[D];云南大学;2016年

5 王潜;基于注意机制的神经网络：利用认知反馈进行特征选择[D];清华大学;2015年

6 王彤;基于FPGA的Hopfield神经网络可配置硬件实现方法研究[D];东北师范大学;2016年

7 何伟;基于主成分分析和神经网络的蛋白质糖基化位点的预测[D];中南林业科技大学;2010年

8 孙保峰;基于神经网络的表面肌电信号分类方法研究[D];吉林大学;2013年

9 林丽玉;基于神经网络的蛋白质二级结构预测的研究[D];大连理工大学;2006年

10 彭涛;基于人体代谢挥发性化合物判断生命迹象的算法研究[D];燕山大学;2015年

，

本文编号：1604165