检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于词表示方法的生物医学命名实体识别

小型微型计算机系统 2016年第2期37卷 302-307页

作者：李丽双何红磊刘珊珊黄德根大连理工大学计算机科学与技术学院辽宁大连116024

生物医学命名实体识别是生物医学信息抽取的前提.目前实体识别大多采用机器学习的方法,依靠人工根据领域知识和经验制定特征,需要反复实验进行相应的特征选择,并且这些特征很少使用深层次的语义信息.为了探究语义信息对命名实体识别的影... 详细信息

生物医学命名实体识别是生物医学信息抽取的前提.目前实体识别大多采用机器学习的方法,依靠人工根据领域知识和经验制定特征,需要反复实验进行相应的特征选择,并且这些特征很少使用深层次的语义信息.为了探究语义信息对命名实体识别的影响,本文尝试在大规模未标注数据上进行训练,自动获得语义信息,得到三种词表示方法:词向量、基于词向量的聚类和布朗聚类.将其作为CRF和SVM的特征进行半监督学习,并在相同条件下进行对比实验.实验结果表明,词表示方法能有效地学习到潜在的语义信息,从而提高现有基于机器学习系统的性能.在未利用词典等任何外部资源的情况下,公共评测语料Bio Creative II GM上的实验结果为:精确率、召回率、F值分别达到91.24%、85.80%、88.44%.

关键词：半监督词表示聚类实体识别

在线全文

学校读者我要写书评

暂无评论

基于迁移学习和词表示的蛋白质交互关系抽取

基于迁移学习和词表示的蛋白质交互关系抽取

作者：郭瑞大连理工大学

学位级别：硕士

作为生物医学信息抽取领域的重要分支,蛋白质交互关系抽取(Protein-Protein Interaction (PPI))是构建蛋白质关系网络的前提条件,具有至关重要的研究意义。目前的PPI研究大多采用统计机器学习的方法,取得了较好的效果。但现有的机器学... 详细信息

作为生物医学信息抽取领域的重要分支,蛋白质交互关系抽取(Protein-Protein Interaction (PPI))是构建蛋白质关系网络的前提条件,具有至关重要的研究意义。目前的PPI研究大多采用统计机器学习的方法,取得了较好的效果。但现有的机器学习方法在PPI抽取任务上仍存在两个亟待解决的难题：标注数据匮乏问题和特征表示时的“数据稀疏”和“数据鸿沟”问题。首先,已标注数据不足会导致模型的抽取效果下降,而在生物医学领域,人工标注数据往往需要大量的、昂贵的实验;另外,传统机器学习方法在特征表示时普遍采用独热码(One-Hot Code)编码方式,忽略了语序和语法等信息,不能表达出词汇间的语义关联信息,限制了PPI抽取精度的提高。针对上述两个问题,本文分别从以下两个方面进行了研究：(1)将基于实例的迁移学习方法TrAdaboost引入到PPI抽取任务中,并在此基础上提出了一种改进的DisTrAdaboost算法。由于不同领域间数据分布存在差异,TrAdaboost算法容易因收敛速度过慢而产生负迁移,而改进的DisTrAdaboost算法借助于实例的相对分布来调整初始权重,可以有效地避免负迁移。实验结果表明,在公共语料库AIMed 上, TrAdaboost算法和改进的DisTrAdaboos t算法均获得了明显优于基准算法的性能;同样方法在语料库IEPA上实验时,TrAdaboost算法发生了负迁移,而改进的DisTrAdaboost算法仍保持良好的迁移效果。(2)提出了一种基于词表示的特征表示方法,用于解决PPI抽取中的“数据稀疏”和“数据鸿沟”问题。本文使用词表示方法从大量无标记数据中无监督地学习潜在语义信息,根据语义信息将单词映射成向量空间中的向量或者将语义相似的单词聚为一类,使得语义相近的单词具有相似的空间分布,进而解决“数据稀疏”和“数据鸿沟”问题,提高PPI抽取性能。本文使用了三种词表示方法：分布式词表示方法、基于向量的聚类方法和布朗聚类方法用于提升蛋白质关系抽取任务的效果。实验结果显示,分布式词表示方法在五个公共语料库：AIMed, BioInfer, HPRD50, IEPA和LLL上效果均优于其他两种聚类方法,并且F-值分别达到了69.7%,74.0%,78.0%,76.5%和87.3%,高于其他现有的蛋白质关系抽取系统。

关键词：蛋白质交互关系抽取负迁移迁移学习数据稀疏数据鸿沟词表示

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于词表示方法的生物医学命名实体识别

基于词表示方法的生物医学命名实体识别

作者：何红磊大连理工大学

学位级别：硕士

生物医学命名实体识别主要是对生物医学文本进行有效的分析,进而识别出DNA、RNA、蛋白质等命名实体。它是生物医学信息处理的关键环节,是进行蛋白质关系抽取等任务的前提。本文主要工作：(1)目前生物医学命名实体识别主要采用统计机器... 详细信息

生物医学命名实体识别主要是对生物医学文本进行有效的分析,进而识别出DNA、RNA、蛋白质等命名实体。它是生物医学信息处理的关键环节,是进行蛋白质关系抽取等任务的前提。本文主要工作：(1)目前生物医学命名实体识别主要采用统计机器学习方法,研究主要集中于学习算法上,而对特征选择方面的研究较少。采用的特征大多是专家根据专业的领域知识制定的,并且存在冗余特征,冗余特征会增加计算时间、空间复杂度,影响分类器性能。本文总结了生物医学命名实体识别任务中常用的词汇特征、拼写特征、构成形态特征等特征,利用两种不同特征选择方法对原始特征集进行选择,达到去除冗余特征,提高系统性能的目的。在对特征选择的基础上,利用序列前向选择方法对条件随机场的特征模板进行优化选择,通过优化选择,有效提高了系统的分类性能。(2)目前采用机器学习方法进行实体识别时,大多依靠人工根据领域知识和经验制定特征,并且这些特征缺乏深层次的语义信息。为了探究语义信息对命名实体识别的影响,本文尝试在大规模未标注数据上进行训练,自动获得含有深层语义信息的特征,采用三种词表示方法：词向量、基于词向量的聚类和布朗聚类。然后将这些词表示作为CRF和SVM的特征并组合最优特征子集进行半监督学习,在相同条件下进行对比实验。实验结果表明,词表示方法能有效地学习到潜在的语义信息,从而提高现有基于机器学习系统的性能。在未利用词典等任何外部资源的情况下,公共评测语料BioCreative Ⅱ GM上的实验结果为：精确率、召回率、F值分别达到91.11%、86.05%、88.51%。

关键词：生物医学命名实体识别特征选择半监督词表示聚类

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

藏文词表示技术研究

藏文词表示技术研究

作者：拉玛扎西青海师范大学

学位级别：硕士

语言单元的表示是机器学习的基础工作之一,其旨在便于计算机能够更好地理解自然语言的语言单元。词是文本最基本的语义单元,是理解自然语言的基础。随着深度学习技术的发展,词表示的研究在自然语言处理的领域中发挥不可磨灭的作用。英... 详细信息

语言单元的表示是机器学习的基础工作之一,其旨在便于计算机能够更好地理解自然语言的语言单元。词是文本最基本的语义单元,是理解自然语言的基础。随着深度学习技术的发展,词表示的研究在自然语言处理的领域中发挥不可磨灭的作用。英、汉等语言单元的表示已经取得丰硕成果,并得到广泛应用。与别的语种对比发现,藏文语言单元的表示技术现处于探索和起步阶段,其研究对藏文词法、句法、语义等分析具有重要的理论意义和广泛的应用价值。本文借鉴英、汉文词表示技术,通过分析藏文文本中词汇分布规律和语法特征,从藏文分词中的紧缩格识别、停用词选择和藏文词表示模型优化等三个方面研究了藏文词表示的关键技术。主要工作包括:(1)藏文紧缩格的识别藏文文本分词是藏文词表示的关键技术之一,紧缩格识别是藏文分词中的一个难题,其识别效果对藏文文本分词性能有较大的影响。本文通过分析藏文文本分词的现状及存在的问题,设计了规则和统计相结合的藏文紧缩格识别算法,并验证了该方法的有效性。(2)藏文停用词的选择停用词包含的语义信息较少,对上下文词义表示贡献也小。由于藏文中包含很多停用词,其使用频率很高,影响训练相关的语言模型。停用词选择既是藏语自然语言处理的一项重要技术,更是藏文词表示的关键技术之一。本文通过建立藏文停用词表,设计了藏文停用词识别算法,为优化藏文词表示模型奠定了理论基础。(3)藏文词表示优化模型词表示模型旨在获取词汇序列间的语义信息,如何由上下文揭示目标词的语义是词表示模型的核心。本文通过分析传统词表示技术,改进传统词表示模型,设计了一种由原始文本生成的词表示和剔除停用词生成词表示相结合的藏文词表示模型。通过内部任务评测中的相似性、相关度实验数据中得出,该模型的性能比传统词表示模型有所提升。

关键词：自然语言处理藏文紧缩格停用词词表示

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于免疫原理词表示的词相似度计算

智能计算机与应用 2015年第3期5卷 61-64页

作者：杨锦锋关毅哈尔滨工业大学计算机科学与技术学院哈尔滨150001

词相似度计算在自然语言处理、信息抽取等研究中发挥重要作用。基于语料的词相似度计算是一类重要方法,其基本思路是从语料中学习词的向量表示,基于向量余弦相似度值作为词的语义相似度。本文提出一种新的基于免疫原理词表示的词相似度... 详细信息

词相似度计算在自然语言处理、信息抽取等研究中发挥重要作用。基于语料的词相似度计算是一类重要方法,其基本思路是从语料中学习词的向量表示,基于向量余弦相似度值作为词的语义相似度。本文提出一种新的基于免疫原理词表示的词相似度计算方法,并在Sem Eval 2012 Task 4数据上进行了验证并和其他方法进行比较,实验表明本文的方法是有效的,并且优于大多数比较系统。

关键词：词相似度词表示免疫原理分布式语义假设

在线全文

学校读者我要写书评

暂无评论

基于表示学习的情感分析研究

北京大学学报（自然科学版） 2019年第1期55卷 105-112页

作者：厉小军施寒潇陈南南柳虹邹轶浙江工商大学管理工程与电子商务学院杭州310018

提出一个基于表示学习的文本情感分析模型C&W-SP。首先基于C&W模型的词表示改进训练模型,实现在词表示训练过程中融入情感信息和词性信息的不同模型设计;然后利用NLP&CC’2013中的评测数据集,进行多种模型的实验对比。实验结果表明,融... 详细信息

提出一个基于表示学习的文本情感分析模型C&W-SP。首先基于C&W模型的词表示改进训练模型,实现在词表示训练过程中融入情感信息和词性信息的不同模型设计;然后利用NLP&CC’2013中的评测数据集,进行多种模型的实验对比。实验结果表明,融入情感信息和词性信息的C&W-SP模型性能效果最优,验证了所提方法的有效性。

关键词：情感分析表示学习深度学习词表示

在线全文

学校读者我要写书评

暂无评论

单词和字符表示的协同学习

华南理工大学学报（自然科学版） 2018年第8期46卷 122-129页

作者：刘慧婷凌超安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 安徽大学计算机科学与技术学院安徽合肥230601

当前的词嵌入模型多数基于分布假设理论,这类模型将单词作为最基本语义单元,然后利用词的外部上下文信息学习词表示.然而,在类似于汉语的语言中,单词经常由多个字符组成,这些字符包含了丰富的内部信息,同时单词的语义也和这些字符的语... 详细信息

当前的词嵌入模型多数基于分布假设理论,这类模型将单词作为最基本语义单元,然后利用词的外部上下文信息学习词表示.然而,在类似于汉语的语言中,单词经常由多个字符组成,这些字符包含了丰富的内部信息,同时单词的语义也和这些字符的语义息息相关.考虑到当前常用词模型均忽略了字符信息,文中以中文为例,提出了单词与字符表示的协同学习模型.为了解决汉语中存在的单字符多语义和多字符单语义情况,文中提出了基于多原型的单词协同学习模型,并使用词相似任务和类比推理任务对该模型进行评估.结果显示,文中模型的词表示质量均优于其他词嵌入模型.

关键词：词表示外部上下文内部信息协同学习

在线全文

学校读者我要写书评

暂无评论

基于词语关系的词向量模型

中文信息学报 2017年第3期31卷 25-31页

作者：蒋振超李丽双黄德根大连理工大学计算机科学与技术学院辽宁大连116024

词向量能够以向量的形式表示词的意义,近来许多自然语言处理应用中已经融入词向量,将其作为额外特征或者直接输入以提升系统性能。然而,目前的词向量训练模型大多基于浅层的文本信息,没有充分挖掘深层的依存关系。词的词义体现在该词与... 详细信息

词向量能够以向量的形式表示词的意义,近来许多自然语言处理应用中已经融入词向量,将其作为额外特征或者直接输入以提升系统性能。然而,目前的词向量训练模型大多基于浅层的文本信息,没有充分挖掘深层的依存关系。词的词义体现在该词与其他词产生的关系中,而词语关系包含关联单位、关系类型和关系方向三个属性,因此,该文提出了一种新的基于神经网络的词向量训练模型,它具有三个顶层,分别对应关系的三个属性,更合理地利用词语关系对词向量进行训练,借助大规模未标记文本,利用依存关系和上下文关系来训练词向量。将训练得到的词向量在类比任务和蛋白质关系抽取任务上进行评价,以验证关系模型的有效性。实验表明,与skipgram模型和CBOW模型相比,由关系模型训练得到的词向量能够更准确地表达词语的语义信息。

关键词：词表示词嵌入词向量神经网络关系模型

在线全文

学校读者我要写书评

暂无评论

基于医学文献的微生物关系抽取方法研究

基于医学文献的微生物关系抽取方法研究

作者：钟然华中师范大学

学位级别：硕士

微生物遍布于地球的各种生态系统中,它们积极地与环境和群落中的其他成员发生相互作用,从而维持系统的平衡和稳定。构建微生物相互作用网络是表征微生物与群落成员或宿主之间关系的最有效方法之一。其中,微生物相互作用关系抽取是构建... 详细信息

微生物遍布于地球的各种生态系统中,它们积极地与环境和群落中的其他成员发生相互作用,从而维持系统的平衡和稳定。构建微生物相互作用网络是表征微生物与群落成员或宿主之间关系的最有效方法之一。其中,微生物相互作用关系抽取是构建网络的基础和关键步骤。随着海量微生物相关的医学文献发表,许多经过实验验证的微生物相互作用信息散布其中。抽取这些信息并将其组织成一个数据库或知识图谱具有重要的意义。文本挖掘技术能够自动提取和整合这些信息,从医学文献中发现隐含的微生物相互作用关系。本文针对微生物关系抽取的文本挖掘方法开展了研究,主要贡献如下:首先,提出了一个基于支持向量机和特征向量的有监督学习方法,用于微生物关系抽取。为了训练模型,标注了一个微生物关系抽取语料库,该语料库包含1005篇源于PubMed的摘要,含有7483个微生物关系实体对,为微生物关系抽取提供了基础。设计了 41种特征,分别是词汇特征、词性特征、依存特征以及逻辑特征。接着采用包裹法进行特征选择,获得了最优特征子集,并构建特征向量作为支持向量机模型的输入。最后,探讨分析了各类特征对微生物关系抽取系统性能的影响,并设计多个相关实验进行对比。实验结果证明,所选的最优特征子集构建了一个效果良好的微生物关系抽取系统。其次,提出了一种基于词表示和神经网络的半监督学习方法,提升了微生物关系抽取系统的性能。前一种方法的模型性能很大程度上依赖于特征工程的质量,要求研究者具备领域专业知识和语言学背景,系统的扩展性不足。深度学习的词表示方法能从大量数据中自动地总结出有效特征,具有较好的普适性。本研究提出一个基于词表示和神经网络的微生物关系抽取方法,能够自动地挖掘出文本的特征信息,进行有效的数据表征,从而简化了传统机器学习方法中复杂特征工程。在利用Word2vec训练微生物相关的词向量资源上,针对微生物关系抽取问题构建了 Max-Bi-LSTM的模型。设计多组实验,对比分析了生物医学文本挖掘中其他常用模型。实验结果表明本文提出的模型具有很好的表现。最后,结合微生物命名实体识别模型与关系抽取模型,构建了一个能够自动地从医学文献抽取微生物关系的系统。本文的研究为构建高效的微生物关系抽取系统提供了方法和工具。

关键词：微生物相互作用关系抽取词表示支持向量机双向长短期记忆网络