基于交叉预测蛋白质交互识别.PDFVIP

第28卷 第4期 计 算机 技 术 与发 展 Vol.28 No.4 2018年4月 COMPUTERTECHNOLOGY AND DEVELOPMENT Apr. 2018 基于交叉预测的蛋白质交互识别 闵庆凯,蔡松成 (南京航空航天大学计算机科学与技术学院,江苏 南京211106) 摘 要:目前,基于远监督的蛋白质交互关系抽取方法通过将知识库中的实体对与文本中的实体进行匹配来产生大规模 的训练数据,有效地解决了标注数据不足的问题。 然而,通过远监督产生的训练数据存在大量的噪音,因此文中提出了一 种交叉预测的方法来清除训练数据中的噪音。 首先将训练数据随机分为 组,取1组数据作为预测集,其余 -1组数据k k 作为训练集,依次轮换训练集和预测集 次,每组数据都利用其余 -1组数据训练得到的模型来预测并去噪；然后将去噪k k 后的数据重新组合得到新的训练数据,并用去噪前和去噪后的训练数据分别进行训练得到模型；最后用人工标注的语料 分别对这两个模型进行测试。 实验结果证明,交叉预测的方法可以有效识别出训练数据中的噪音,从而提高蛋白质交互 关系的识别效果。 关键词:蛋白质交互；远监督；交叉预测；去噪 中图分类号:TP301 文献标识码:A 文章编号:1673-629X(2018)04-0017-04 doi：10.3969/j.issn.1673-629X.2018.04.004 Protein-protein Interaction Identification Based on Cross Prediction MIN Qing-kai,CAI Song-cheng (School of Computer Science and Technology,Nanjing University of Aeronauticsand Astronautics, Nanjing211106,China) Abstract：Currently,protein-protein interaction (PPI)extractionapproachbasedondistantsupervisiongatherslargescaleoftrainingdata byaligningentitypairsinknowledgebasewithentitiesintext,efficiently solvingthelack ofhand-labeleddata.However,somesentences are labeled wrongly.For this,we propose an approach of crossprediction to remove the noise in training data.Firstly,we dividetraining data intokfoldsrandomly,andselect 1foldaspredictingdataandtheotherk-1foldastrainingdata.Then,interchangedtrainingdataand predicting data forktimesin turn,thenoisein each foldispredictedandreducedthrough themodeltrainedby the data ofthe otherk-1 folds.Nextwecombineeverypart ofdataafterreducingnoiseinit,andtraintwodifferentmodelsusingtrainingdata