【摘要】：微生物尤其是細菌之間的相互作用決定了微生態(tài)群落組織和功能,從而影響了人類的健康和環(huán)境生態(tài)系統(tǒng)的功能。通過實驗方法獲得細菌相互作用代價較高,隨著高通量測序數(shù)據(jù)的日益積累,通過計算推斷的方法獲得細菌交互成為研究的熱點,但缺乏標(biāo)準(zhǔn)的交互數(shù)據(jù)集使得計算方法的評估和驗證成為問題。另一方面,生物醫(yī)學(xué)文獻中隱含著大量的經(jīng)過實驗驗證細菌相互作用,但是如何從這些海量文獻中快速準(zhǔn)確地挖掘出這些潛在的相互作用關(guān)系是一個新的問題。細菌命名實體與以往生物醫(yī)學(xué)實體相比具有自身的獨特屬性,如種類繁雜、新實體不斷出現(xiàn)、一詞多義、大量實體嵌套現(xiàn)象等,這些性質(zhì)導(dǎo)致了細菌命名實體識別任務(wù)的復(fù)雜性。本文研究了基于條件隨機場(CRF)和細菌詞典的細菌命名實體識別方法及基于深度學(xué)習(xí)的的細菌命名實體識別方法,取得了較好的識別效果,主要研究工作和貢獻如下:(1)基于條件隨機場和細菌詞典的細菌命名實體識別方法。本文參考經(jīng)典的Genia Corpus V3.02語料,標(biāo)注了一千余篇可用于細菌命名實體識別的語料庫,通過UMLS構(gòu)建細菌詞典,根據(jù)細菌命名特有方式,人工設(shè)計了 42種特征,并使用CRF算法學(xué)習(xí)模型,結(jié)合單獨最優(yōu)組合法挑選出最優(yōu)特征集,和其他領(lǐng)域基于CRF的命名實體識別任務(wù)達到的性能作比較,并用生物領(lǐng)域常用分類算法SVM訓(xùn)練模型進行對比。還針對其在處理大規(guī)模數(shù)據(jù)的低效性,在速度改進上提出了基于Spark分布式平臺的細菌命名實體識別系統(tǒng)。(2)基于深度學(xué)習(xí)的細菌命名實體識別方法。有監(jiān)督機器學(xué)習(xí)方法中使用的特征需人工選取并進行特征選擇,需要領(lǐng)域先驗知識,與所解決的問題緊密相關(guān),普適性不強,且模型的性能很大程度上依賴于數(shù)據(jù)的表示,需要耗費大量的時間精力不斷地設(shè)計更好的特征。針對上述問題,本文提出一種基于條件隨機場和雙向長短期記憶網(wǎng)絡(luò)(BI-LSTM-CRF)的細菌命名實體識別系統(tǒng),經(jīng)訓(xùn)練、驗證和評估,F1值達到了 86.718%。實驗結(jié)果表明,基于BI-LSTM-CRF的細菌命名實體識別系統(tǒng)不僅無需人工抽取特征,編程工作量少,且預(yù)測效果優(yōu)于筆者先前的工作中的基于CRF和詞典的細菌命名實體識別。本文提出的細菌命名實體識別系統(tǒng),具有較好的速度和性能,可以快速有效地從大型生物醫(yī)學(xué)文獻中自動識別出細菌命名實體。本文的工作為從醫(yī)學(xué)文獻提取細菌交互關(guān)系奠定了可行的基礎(chǔ)。
【學(xué)位授予單位】：華中師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R318;TP391.1
【圖文】：

別貢獻大的特征訓(xùn)練學(xué)習(xí)器，其最核心的思想是結(jié)［４２】，有優(yōu)異的學(xué)習(xí)能力和泛化性能，尤其在處理小樣、局部極小等任務(wù)上展現(xiàn)出其特有的優(yōu)勢，由于這別也經(jīng)常使用ＳＶＭ算法。Ｐａｒｋ邋Ｋ．Ｍ等分別在ＧＥＮＩＡ、詞綴、詞形等特征學(xué)習(xí)ＳＶＭ模型，Ｆ１值分別達６ｓｓｌｅｒ結(jié)合隱馬爾可夫和支持向量機在ＧＥＮＩＡ語料上６４．０％【４５］等。逡逑隨機場模型逡逑（ＣＲＦ）是一種在給定變量觀測序列后對輸出序列化數(shù)據(jù)的判別式無向圖模型，其理論源于Ｍａｒｋｏｖ隨機確定最大化條件概率的思想。２００１年由ＬａｆＴｅｒｔｙ等理領(lǐng)域中，如線性鏈條件隨機場（ＣＲＦｓ）。在序列列，Ｆ表示與之對應(yīng)的輸出標(biāo)記序列或狀態(tài)序列。序列｝７的條件概率分布構(gòu)成條件隨機場，，＾＋１，．＂，＞：，）＝戶0＾義，＾＋１），則稱戶（＞１義）為線

在兩種語料下分別組合單詞特征和其他特征訓(xùn)練的模型查準(zhǔn)率P對比圖

在兩種語料下分別組合單詞特征和其他特征III練的模型召回率R對比圖

【相似文獻】

相關(guān)期刊論文 前10條

1 劉瀏;王東波;;命名實體識別研究綜述[J];情報學(xué)報;2018年03期

2 朱顥東;楊立志;丁溫雪;馮嘉美;;面向中文微博命名實體識別的對比研究[J];湖北民族學(xué)院學(xué)報(自然科學(xué)版);2017年01期

3 包敏娜;斯·勞格勞;;基于詞典匹配的蒙古文命名實體識別研究[J];中央民族大學(xué)學(xué)報(哲學(xué)社會科學(xué)版);2017年03期

4 羅芳;熊前興;肖敏;;基于本體的產(chǎn)品命名實體識別研究[J];武漢理工大學(xué)學(xué)報(信息與管理工程版);2011年06期

5 金明;楊歡歡;單廣榮;;藏語命名實體識別研究[J];西北民族大學(xué)學(xué)報(自然科學(xué)版);2010年03期

6 彭春艷;張暉;包玲玉;陳昌平;;基于條件隨機域的生物命名實體識別[J];計算機工程;2009年22期

7 曲曉棠;沈曉紅;;基于最大熵模型的中文命名實體識別研究[J];科技信息(學(xué)術(shù)研究);2008年30期

8 向曉雯,史曉東,曾華琳;一個統(tǒng)計與規(guī)則相結(jié)合的中文命名實體識別系統(tǒng)[J];計算機應(yīng)用;2005年10期

9 張曉艷;王挺;陳火旺;;命名實體識別研究[J];計算機科學(xué);2005年04期

10 閆海磊;施水才;;一種面向時政新聞的命名實體識別方法[J];北京信息科技大學(xué)學(xué)報(自然科學(xué)版);2018年06期

相關(guān)會議論文 前10條

1 向曉雯;史曉東;曾華琳;;一個統(tǒng)計與規(guī)則相結(jié)合的中文命名實體識別系統(tǒng)[A];第六屆漢語詞匯語義學(xué)研討會論文集[C];2005年

2 李治國;周俏麗;;在篇章中面向產(chǎn)品類的命名實體識別研究[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

3 付瑞吉;車萬翔;劉挺;;一種基于分類方法的音樂命名實體識別技術(shù)[A];黑龍江省計算機學(xué)會2009年學(xué)術(shù)交流年會論文集[C];2010年

4 馮元勇;孫樂;張大鯤;李文波;;基于單字提示特征的中文命名實體識別快速算法[A];第三屆全國信息檢索與內(nèi)容安全學(xué)術(shù)會議論文集[C];2007年

5 劉非凡;趙軍;呂碧波;于浩;夏迎炬;;面向商務(wù)信息抽取的產(chǎn)品命名實體識別研究[A];全國第八屆計算語言學(xué)聯(lián)合學(xué)術(shù)會議（JSCL-2005）論文集[C];2005年

6 陳禹;史曉東;向曉雯;張潤延;;基于混合方法的中文命名實體識別[A];內(nèi)容計算的研究與應(yīng)用前沿——第九屆全國計算語言學(xué)學(xué)術(shù)會議論文集[C];2007年

7 龐薇;徐波;;基于雙語平行語料的分層次命名實體抽取[A];第四屆全國學(xué)生計算語言學(xué)研討會會議論文集[C];2008年

8 史樹敏;王志強;周浪;馮沖;黃河燕;;基于條件隨機域的中文命名實體識別[A];第三屆學(xué)生計算語言學(xué)研討會論文集[C];2006年

9 廖先桃;于海濱;秦兵;劉挺;;HMM與自動規(guī)則提取相結(jié)合的中文命名實體識別[A];第二屆全國學(xué)生計算語言學(xué)研討會論文集[C];2004年

10 朱佳暉;張文峰;劉衛(wèi)平;張超;陳淵;;基于雙向LSTM和CRF的軍事命名實體識別和鏈接[A];第六屆中國指揮控制大會論文集（上冊）[C];2018年

相關(guān)博士學(xué)位論文 前10條

1 朱鎖玲;命名實體識別在方志內(nèi)容挖掘中的應(yīng)用研究[D];南京農(nóng)業(yè)大學(xué);2011年

2 付瑞吉;開放域命名實體識別及其層次化類別獲取[D];哈爾濱工業(yè)大學(xué);2014年

3 羅芳;意見挖掘中若干關(guān)鍵問題研究[D];武漢理工大學(xué);2011年

4 豆增發(fā);生物命名實體識別及生物文本分類[D];西安電子科技大學(xué);2013年

5 李彥鵬;特征耦合泛化及其在文體挖掘中的應(yīng)用[D];大連理工大學(xué);2011年

6 何濤;互聯(lián)網(wǎng)廣告投遞中的商品名稱識別[D];武漢大學(xué);2014年

7 盧延鑫;基于自然語言處理技術(shù)的循證醫(yī)學(xué)信息提取研究[D];復(fù)旦大學(xué);2011年

8 錢偉中;基于判別式模型的蛋白質(zhì)互作用文本挖掘技術(shù)研究[D];電子科技大學(xué);2011年

9 袁鋒;中醫(yī)醫(yī)案文本挖掘的若干關(guān)鍵技術(shù)研究[D];山東師范大學(xué);2016年

10 穆一夫;基于認知的非結(jié)構(gòu)化信息抽取關(guān)鍵技術(shù)與算法研究[D];中國礦業(yè)大學(xué)（北京）;2013年

相關(guān)碩士學(xué)位論文 前10條

1 耿雪來;面向旅游的蒙漢雙語知識圖譜的研究與構(gòu)建[D];內(nèi)蒙古大學(xué);2019年

2 王超;基于神經(jīng)網(wǎng)絡(luò)的命名實體識別與實體關(guān)系聯(lián)合抽取[D];東北師范大學(xué);2019年

3 徐國海;面向中文醫(yī)療文本的命名實體識別研究[D];華東師范大學(xué);2019年

4 李延昀;基于注意力機制的命名實體識別算法研究[D];北京郵電大學(xué);2019年

5 干家東;參數(shù)共享模式下的實體和關(guān)系聯(lián)合抽取研究[D];北京郵電大學(xué);2019年

6 勞雅迪;基于強化學(xué)習(xí)的命名實體識別算法研究[D];北京郵電大學(xué);2019年

7 顧溢;基于BiLSTM-CRF的復(fù)雜中文命名實體識別研究[D];南京大學(xué);2019年

8 安磊;構(gòu)建金融知識圖譜的知識抽取服務(wù)的設(shè)計與實現(xiàn)[D];南京大學(xué);2019年

9 韓靜漪;科技項目申報通知的命名實體識別研究[D];南京農(nóng)業(yè)大學(xué);2017年

10 楊賀羽;基于深度學(xué)習(xí)的半監(jiān)督式命名實體識別[D];沈陽工業(yè)大學(xué);2019年

本文編號：2783068