基于迁移学习的蛋白质交互关系抽取

• 作者: 周惠巍 李丽双 郭瑞 黄德根
• 来源期刊: 中文信息学报
• 学科: 工学
• 关键词: 蛋白质交互关系抽取 迁移学习 负迁移
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 信息抽取与文本挖掘
• 页码范围: 160-167
• 页数: 8页
• 分类号: TP391
• 语种: 中文

摘要

作为生物医学信息抽取领域的重要分支,蛋白质交互关系(Protein-Protein Interaction,PPI)抽取具有重要的研究意义.目前的研究大多采用统计机器学习方法,需要大规模标注语料进行训练.训练语料过少,会降低关系抽取系统的性能,而人工标注语料需要耗费巨大的成本.该文采用迁移学习的方法,用大量已标注的源领域(其它领域)语料来辅助少量标注的目标领域语料(本领域)进行蛋白质交互关系抽取.但是,不同领域的数据分布存在差异,容易导致负迁移,该文借助实例的相对分布来调整权重,避免了负迁移的发生.在公共语料库AIMed上实验,两种迁移学习方法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算法仍保持良好迁移效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周惠巍		18	88	5.0	9.0
2	黄德根		70	1191	19.0	33.0
3	李丽双		29	380	12.0	19.0
4	郭瑞		1	0	0.0	0.0