点击次数：

论文类型：期刊论文

发表时间：2016-01-01

发表刊物：中文信息学报

收录刊物：PKU、ISTIC、CSCD

卷号：30

期号：2

页面范围：160-167

ISSN号：1003-0077

关键字：蛋白质交互关系抽取; 迁移学习; 负迁移

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。