基于树核函数的蛋白质相互作用关系抽取研究.docVIP

  基于树核函数的蛋白质相互作用关系抽取 研究# 彭成，刘丹丹，钱龙华，周国栋** 5 10 15 20 25 30 35 （苏州大学计算机科学与技术学院，江苏苏州 215006） 摘要：本文分析了目前关系抽取中结构化信息表达形式所存在的问题，提出了一种最短依存 路径指导的成分句法树(SDP-CPT)裁剪策略，即依据两个蛋白质之间的最短依存路径，对句 法树进行有针对性的裁剪，探究更有效的蛋白质关系实例结构化表达形式。在多个语料库上 的实验表明，本文提出的 PPI 抽取方法其性能显著高于其它几种结构化信息表达形式。特别 是，在 AIMed 语料上的 PPI 抽取取得了 58.1 的 F1 值，是目前基于单一核函数的 PPI 抽取 系统的最好水平。 关键词：蛋白质关系抽取；依存信息；树核函数 中图分类号：TP391 Research on Tree Kernel-Based Protein-Protein Interaction Extraction Peng Cheng, Liu Dandan, Qian Longhua, Zhou Guodong (School of Computer Science Technology, Soochow University, Suzhou, Jiangsu 215006) Abstract: This paper conducts a comprehensive investigation into the disadvantages of various kinds of existing structured information reprepsentation in relation extraction, and then proposes a pruning strategy for shortest dependency path-directed constitute parse tree (SDP-CPT). Based on the short dependency path between two proteins, the syntactic parse tree is pruned in order to form a more effecitive structure for PPI extraction. The experiments on multiple corpora show that our method significantly outperforms other kinds of structured information representation. particularly, it achieves a promising performance of 58.1 in F-measure, being the state-of-the-art single kernel-based one in current PPI extraction systems. Key words: PPI Extraction；Dependency Information；Tree Kernel Function 0 引言 蛋白质作为生命活动最主要的载体和功能执行者，其复杂多样的结构功能、相互作用和 动态变化能在分子、细胞和生物体等多个层次上全面揭示生命现象。对生命活动过程中蛋白 质相互作用关系(Protein-Protein Interaction, PPI)的研究有助于揭示生命过程的许多本质问 题，因而PPI抽取成为生物医学领域信息抽取的重点研究方向，是生物医学文本挖掘的关键 任务之一，具有重要的研究意义。 目前，基于机器学习的方法已成为 PPI 抽取的主流策略，它可分为基于特征向量的方法 和基于核函数的方法。基于特征向量的方法提取了词汇、句法和语义等特征用于 PPI 的抽取 [1] 与之对应的是，基于核函数的蛋白质关系抽取方法直接以结构化信息为处理对象，从而避免 基金项目：教育部博士点基金（200802850006） ；江苏省自然科学基金（BK2010219） 作者简介：彭成（1987-），男，硕士研究生，主要研究方向：信息抽取 通信联系人：钱龙华（1966-），通信作者，男，副教授，硕士生导师，研究方向：自然语言处理. E-mail: qianlonghua@ -1-   了基于特征向量方法中的特征工程，为在理论上探索结构化对象所隐含的高维特征空间提供 40 45 50 55 60 65 70 75 了新的途径。依存信息作为反映长距离词汇依赖关系的重要结构化信息，在 PPI 抽取中也得 到了应用，尤其是实体间的最短依存路