版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、近年來,隨著生物醫(yī)學(xué)文獻(xiàn)的快速增長,生物文獻(xiàn)中的信息抽取技術(shù)已經(jīng)得到廣泛的研究,目前為止,生物醫(yī)學(xué)文獻(xiàn)信息抽取中的大部分工作都涉及到關(guān)系抽取。生物領(lǐng)域中的關(guān)系抽取主要集中于從生物醫(yī)學(xué)文本中識別出生物醫(yī)學(xué)實(shí)體名稱(蛋白質(zhì)、藥物、疾病、基因等),進(jìn)而提取生物實(shí)體之間的語義關(guān)系。本文主要研究疾病-病癥、病癥-治療物質(zhì)和蛋白質(zhì)關(guān)系抽取,提出了基于半監(jiān)督學(xué)習(xí)和深度學(xué)習(xí)的方法分別解決實(shí)體抽取過程中存在的缺少標(biāo)注語料集和人工特征構(gòu)建的問題。
2、 本文采用Co-Training和Tri-Training兩個半監(jiān)督學(xué)習(xí)的方法構(gòu)建疾病-病癥模型和病癥-治療物質(zhì)模型。在訓(xùn)練過程中使用特征核、圖核和樹核作為Co-Training和Tri-Training方法的輸入視圖。在Tri-Training的訓(xùn)練過程中采用組合學(xué)習(xí)的方法將分類器集成在一起。實(shí)驗(yàn)結(jié)果表明,Co-Training和Tri-Training方法都可以利用未標(biāo)注語料集在初始語料集少的情況下提升訓(xùn)練性能。并且在實(shí)驗(yàn)中Tri-
3、Training方法的性能要優(yōu)于Co-Training方法。使用半監(jiān)督學(xué)習(xí)方法進(jìn)行疾病-病癥和病癥-治療物質(zhì)關(guān)系抽取時,需要構(gòu)建大量的人工特征,這些特征的質(zhì)量直接影響實(shí)驗(yàn)結(jié)果。而且大量人工特征的構(gòu)建既費(fèi)時又費(fèi)力。針對這個問題,本文提出了基于卷積神經(jīng)網(wǎng)絡(luò)的疾病-病癥和病癥-治療物質(zhì)關(guān)系抽取的方法。該方法可以從輸入語料中自動學(xué)習(xí)特征,獲取特征的層次結(jié)構(gòu),降低人工構(gòu)造特征的成本。同時本文使用Tri-Training的方法擴(kuò)充語料集。實(shí)驗(yàn)表明與
4、Tri-Training方法相比卷積神經(jīng)網(wǎng)絡(luò)的方法可以獲得更好的實(shí)驗(yàn)結(jié)果。使用半監(jiān)督學(xué)習(xí)方法進(jìn)行關(guān)系抽取時存在兩個方面的問題,一方面,半監(jiān)督學(xué)習(xí)方法在未標(biāo)注語料選取時選用分類器標(biāo)注一致的樣本,這將損失掉一部分信息。另一方面,在未標(biāo)注樣本加入訓(xùn)練集的過程中,這些樣本可能會被標(biāo)注錯誤。為了解決這兩個問題,本文提出了基于改進(jìn)的Tri-Training進(jìn)行蛋白質(zhì)關(guān)系抽取的方法。該方法在對未標(biāo)注語料選取時選用三個分類器標(biāo)注最不一致的樣本。并使用主
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 半監(jiān)督中文實(shí)體關(guān)系抽取研究.pdf
- 基于監(jiān)督學(xué)習(xí)的校友實(shí)體關(guān)系抽取研究.pdf
- 基于弱監(jiān)督學(xué)習(xí)的實(shí)體關(guān)系抽取方法研究.pdf
- 基于詞表示和深度學(xué)習(xí)的生物醫(yī)學(xué)關(guān)系抽取.pdf
- 結(jié)合從句識別和半監(jiān)督集成學(xué)習(xí)的遠(yuǎn)程監(jiān)督關(guān)系抽取.pdf
- 基于半監(jiān)督和主動學(xué)習(xí)的蛋白質(zhì)關(guān)系抽取研究.pdf
- 基于半監(jiān)督學(xué)習(xí)和領(lǐng)域知識的生物事件抽取.pdf
- 基于深度卷積神經(jīng)網(wǎng)絡(luò)的實(shí)體關(guān)系抽取.pdf
- 基于半監(jiān)督學(xué)習(xí)的關(guān)鍵詞抽取.pdf
- 基于深度學(xué)習(xí)的生物醫(yī)學(xué)事件抽取研究.pdf
- 基于句法和語義分析的中文實(shí)體關(guān)系抽取.pdf
- 基于深度學(xué)習(xí)的中文電子病歷實(shí)體修飾與關(guān)系抽取研究及算法平臺開發(fā).pdf
- 基于弱指導(dǎo)學(xué)習(xí)的實(shí)體間語義關(guān)系抽取研究.pdf
- 基于局部和非局部規(guī)則化的半監(jiān)督深度學(xué)習(xí).pdf
- 基于半監(jiān)督方法的生物醫(yī)學(xué)事件抽取的研究.pdf
- 基于機(jī)器學(xué)習(xí)的藥名實(shí)體識別及藥物關(guān)系抽取.pdf
- 基于KSVM的中文實(shí)體關(guān)系抽取研究.pdf
- 基于SVM的中文實(shí)體關(guān)系抽取研究.pdf
- 基于本體的實(shí)體關(guān)系抽取與檢索.pdf
- 基于深度學(xué)習(xí)和半監(jiān)督聚類的入侵防御技術(shù)研究.pdf
評論
0/150
提交評論