基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
生物医学命名实体识别是生物医学数据挖掘的基本任务.文中提出了一种将多Agent系统和元学习方法相结合的多Agent元学习框架,应用于生物医学命名实体识别.基层多个学习Agent分别识别不同类型的生物医学命名实体,并通过相关学习Agent之间的通信来交换有益信息以调节个体Agent的行为提高其学习性能,元层Agent综合决策基层学习Agent的学习结果以获得最终的识别结果.元层Agent和基层学习Agent通过局部特征选择法选择适合不同实体类别的敏感特征集合提高了总体识别性能尤其是小类别识别的性能.文中提出的方法有效改善了传统的单一学习模型和全局特征选择方法不能兼顾各类别命名实体识别性能的不足.实验结果表明,文中提出的全新方法在生物医学命名实体识别上取得了优越的性能,在JNLPBA2004测试语料上获得了77.5%的F测度值.
推荐文章
生物医学命名实体识别的研究与进展
命名实体识别
文本挖掘
特征选择
机器学习
BioTrHMM:基于迁移学习的生物医学命名实体识别算法
迁移学习
隐马尔可夫模型
命名实体识别
文本挖掘
临床医学命名实体识别的病历质量筛选标准研究
电子病历
临床医学命名实体
病历质量
筛选标准
生物医学命名实体识别的研究与进展
命名实体识别
文本挖掘
特征选择
机器学习
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 面向生物医学命名实体识别的多Agent元学习框架
来源期刊 计算机学报 学科 工学
关键词 命名实体识别 多 Agent元学习框架 元层 Agent 基层学习 Agent 局部特征选择
年,卷(期) 2010,(7) 所属期刊栏目
研究方向 页码范围 1256-1262
页数 分类号 TP391
字数 6393字 语种 中文
DOI 10.3724/SP.J.1016.2010.01256
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 赵铁军 哈尔滨工业大学计算机科学与技术学院 123 1278 19.0 32.0
2 王浩畅 东北石油大学计算机与信息技术学院 7 148 5.0 7.0
4 李钰 哈尔滨工业大学生命科学与工程系 24 220 8.0 14.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (2)
参考文献  (6)
节点文献
引证文献  (14)
同被引文献  (10)
二级引证文献  (24)
1992(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(2)
  • 参考文献(2)
  • 二级参考文献(0)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(6)
  • 引证文献(6)
  • 二级引证文献(0)
2015(1)
  • 引证文献(1)
  • 二级引证文献(0)
2016(4)
  • 引证文献(2)
  • 二级引证文献(2)
2017(7)
  • 引证文献(1)
  • 二级引证文献(6)
2018(5)
  • 引证文献(0)
  • 二级引证文献(5)
2019(12)
  • 引证文献(2)
  • 二级引证文献(10)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
命名实体识别
多 Agent元学习框架
元层 Agent
基层学习 Agent
局部特征选择
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机学报
月刊
0254-4164
11-1826/TP
大16开
中国科学院计算技术研究所(北京2704信箱)
2-833
1978
chi
出版文献量(篇)
5154
总下载数(次)
49
论文1v1指导