蛋白質(zhì)交互關(guān)系識別應(yīng)該怎么提取特征

針對目前蛋白質(zhì)交互關(guān)系識別主要以單句為依據(jù)、因標(biāo)注數(shù)據(jù)缺乏而導(dǎo)致訓(xùn)練集規(guī)模小等不足,提出一種以關(guān)系相似性分析為框架、基于大規(guī)模文本的蛋白質(zhì)交互關(guān)系自動識別方法。
1，首先通過對大規(guī)模生物醫(yī)學(xué)文本數(shù)據(jù)庫的自動搜索獲取描述蛋白質(zhì)對的句子集合,然后分別從單詞、短語結(jié)構(gòu)、依賴關(guān)系3個角度抽取特征,建立向量空間模型來表示一對蛋白質(zhì)之間的關(guān)系,最后根據(jù)兩個向量之間的相似性對關(guān)系作出判斷。
2，所需訓(xùn)練數(shù)據(jù)直接取自現(xiàn)有蛋白質(zhì)交互網(wǎng)絡(luò),無需任何額外的人工標(biāo)注。
3，實驗表明,基于關(guān)系相似性的蛋白質(zhì)交互關(guān)系自動識別取得了較高的精度