基于组合分类器的生物命名实体识别

《基于组合分类器的生物命名实体识别》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于组合分类器的生物命名实体识别　　论文摘要:生物命名实体识别是一项非常重要和基础的生物医学文本挖掘技(略)键的一个步骤,只有正确地识别出生物命名实体,才能有效地完成基因标准化、生物事件抽取以及蛋白质-蛋白质交互关系抽取等更加复杂的工作.生物医学命名实体包括(略)、DNA、RNA等,通常有着复杂的结构,对于这些实体的鉴别和分类是非常富有挑战性的.机器学习方法例如CRF、MEMM和SVM已经广泛的应用于从已标注的语料中学习识别出生物医学命名实体.然而,生物命名实体识别系统的性能仍然没有普通命名实体识别系统的好.(略)高生物命名实体识别的性能,研究者提出了合并多个分类器结果的多分类

2、器方法.本文主要研究基于组合分类器的生物命名实体识别方法,实验是在BioCreAtIvE2GM的训练语料和测试语料上进行的.本文主(略)下两点:⒈构建单一分类器模型本文利用不同的分类模型、不同的分类方法和特征集构建了六个不同的机器学习模型,并对每种模型采用的特征集,特征抽取方法,以及训练过程进行了详细介绍.(略)提高最大熵方法的识别性能,本文采用TBL方法对最大熵的标注结果进行了纠错处理.实验结果显示纠错处理在很大程...　　BiomedicalNamedEntityRecognition(Bio-NER)is(omitted)lyimportantandfundamental

3、taskofbiomedicaltextmining,andisalsoacriticalstepforbiomedicaltextmining,onlyitted)iesarecorrectlyi(omitted)couldothermoreplextasks,suchas,genenormalization,biomedicaleve(omitted)tionandprotein-proteininteractionextraction,beperformedeffectively.Biomedicalnamedentitiesincludementionsofprotei

4、ns,genes,DNA,RNA,etcitted)omplexstructures,butitischa...　　目录:　　摘要第4-5页　　Abstract第5-6页　　1绪论第9-16页　　研究背景与意义第9-10页　　研究现状第10-14页　　本文主要研究内容第14页　　本文组织结构第14-16页　　2机器学习模型第16-25页　　支持向量机模型第16-18页　　最优分类超平面第16页　　核函数第16-17页　　SVM多分类问题扩展方法第17-18页　　最大熵模型第18-20页　　条件随机场模型第20-24页　　CRF的无向图结构第21-22页　　CRF与势函数第22-

5、23页　　CRF的参数估计第23-24页　　本章小结第24-25页　　3单一分类器的构建第25-40页　　实验语料及语料的预处理方法第25-26页　　有效的特征信息第26-28页　　不同单一分类器的构建第28-38页　　基于条件随机场的生物命名实体识别第29-32页　　基于支持向量机的生物命名实体识别第32-34页　　最大熵方法的生物命名实体识别第34-38页　　本章小结第38-40页　　4基于组合分类器的生物命名实体识别方法第40-46页　　组合分类器方法第40-43页　　后处理第43-45页　　本章小结第45-46页　　5实验与结果分析第46-54页　　单个分类器实验结果第

6、46-47页　　组合分类器方法的识别结果第47-52页　　集合并/交操作方法实验结果第47-49页　　投票方法实验结果第49-50页　　叠加方法实验结果第50-51页　　结果比较与分析第51-52页　　错误分析与总结第52页　　本章小结第52-54页　　结论第54-55页