[发明专利]一种生物文本中蛋白质相互关系的半监督抽取方法

摘要

本发明公开了一种生物文本中蛋白质相互关系的半监督抽取方法，按如下步骤进行：（1）将训练样本集和未标注样本集输入预处理器，分别进行蛋白质命名实体识别、分句处理和指代消解处理；（2）在预处理过的训练样本集中提取候选蛋白质作用对；（3）在候选蛋白质作用对中提取分类模型需要的特征集，对特征集的特征值进行基于信息强度的加权；（4）将基于信息强度加权的特征值与未标注样本集一起输入到分类模型中进行半监督学习，对中样本进行标注，将最有价值的生物文本加入到样本标注集，用更新训练样本集和未标注样本集，对分类过程进行迭代，直到收敛。本发明简洁高效、性能高、收敛快、抽取效率高并保证数据真实性、节约实验资源。

主权项

一种生物文本中蛋白质相互关系的半监督抽取方法，其特征在于，按如下步骤进行：(1)将已标注蛋白质相互作用信息的生物文本集做为训练样本集L⁰，将未标注蛋白质相互作用信息的生物文本集做为未标注样本集U⁰，将所述训练样本集L⁰和所述未标注样本集U⁰输入预处理器，依次分别进行蛋白质命名实体识别、分句处理和指代消解处理，生成预处理过的文本集；(2)在步骤(1)中的预处理过的训练样本集L⁰中提取候选蛋白质作用对；(3)在候选蛋白质作用对与其存在的句子和全文的基础上提取SSW‑SVMs分类模型需要的特征集F＝(f1,f2......,fn)，对特征集F的特征值通过半监督学习方法进行基于信息强度的加权：式中：其中M为预定义的类别总数，C为预定义的类别；(4)基于信息强度加权的特征集训练SSW‑SVMs分类模型，并对未标注样本集U⁰进行标注，利用主动学习方法选择标注后的U⁰样本，将最有价值的生物文本加入到样本标注集S，更新训练样本集L¹＝L⁰∪S，更新未标注样本集U¹＝U⁰/S，用更新后的训练样本集L¹和未标注样本集U¹重复步骤(3)‑(4)，对分类过程进行迭代，直到收敛。