基于文本挖掘提取神經(jīng)肽信息的方法研究.pdf

1、神經(jīng)肽是一類在神經(jīng)細(xì)胞間傳遞的信號(hào)物質(zhì)，廣泛參與到包括痛覺、獎(jiǎng)賞、進(jìn)食、代謝、繁殖、社會(huì)行為、學(xué)習(xí)和記憶等大腦功能。當(dāng)前，有關(guān)神經(jīng)肽的信息大量散落在生物信息學(xué)文獻(xiàn)之中，對(duì)研究活動(dòng)的進(jìn)行帶來(lái)不便。而利用人工檢查標(biāo)注的方式收集神經(jīng)肽信息耗時(shí)費(fèi)力，因此尋找一套在海量文獻(xiàn)中自動(dòng)收集提取神經(jīng)肽信息的方法對(duì)相關(guān)生物研究工作具有實(shí)際的意義。
　　提出了一種結(jié)合了句法分析、模式匹配和機(jī)器學(xué)習(xí)從文獻(xiàn)摘要中提取神經(jīng)肽名稱-序列對(duì)的混合文本挖掘方法。首

2、先，利用基于規(guī)則和詞典的方法在文本中識(shí)別出神經(jīng)肽序列。然后，利用一個(gè)基于概率的上下文無(wú)關(guān)句法分析器對(duì)文本進(jìn)行詞類標(biāo)注、短語(yǔ)結(jié)構(gòu)樹和依存分析。通過(guò)詞類標(biāo)注和依存關(guān)系篩選出和肽序列符合特定依存關(guān)系的名詞作為候選單詞，利用短語(yǔ)結(jié)構(gòu)樹獲取到可能的神經(jīng)肽名稱。同時(shí)通過(guò)挖掘神經(jīng)肽名稱和對(duì)應(yīng)序列常見的表達(dá)形式，利用模式匹配方式結(jié)合詞類標(biāo)注篩選得到可能的肽名稱的方法。將肽序列所在句子中的所有名詞和肽序列組成二元組，結(jié)合句法分析結(jié)果，選取合適特征集合；通