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:
发展一种利用支持向量机识别蛋白质命名实体的方法,选择四组特征对蛋白质语料进行识别实验。实验表明,与基线系统相比,上下文特征有较小的增幅,而当前词的词性及词形的组合特征获得了最好的性能,达到78.43%的准确率。这一研究结果显示词性及词形特征在蛋白质实体识别中起着重要的作用。
推荐文章
融合词位字向量的军事领域命名实体识别
军事
命名实体识别
词位字向量
BI-GRU-CRF
深度神经网络
序列标注
一种基于命名实体识别的需求跟踪方法
需求跟踪
命名实体识别
语义聚类
自然语言处理
权重计算
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
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
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 基于支持向量机的蛋白质命名实体识别的研究
来源期刊 计算生物学 学科 工学
关键词 支持向量机 蛋白质实体识别 特征选择
年,卷(期) 2011,(2) 所属期刊栏目
研究方向 页码范围 5-10
页数 6页 分类号 TP39
字数 语种
DOI
五维指标
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  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2011(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)
研究主题发展历程
节点文献
支持向量机
蛋白质实体识别
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
计算生物学
季刊
2164-5426
武汉市江夏区汤逊湖北路38号光谷总部空间
出版文献量(篇)
67
总下载数(次)
86
论文1v1指导