龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
摘要：本发明公开了基于高斯增强及辅助任务的蛋白质相互作用关系抽取方法，涉及自然语言处理的技术领域。本发明使用生物医学领域预训练模型BioBERT生成文本文档的高质量上下文表示，从而对单词进行更加近乎实际语义的词向量表示，解决了生物医学文本中单词的一词多义问题；在BioBERT的基础上使用高斯概率分布可以提高目标蛋白质实体及其邻近词的权重，得到目标实体的增强表示，使模型学习到了实例的局部结构。使用文档分类作为辅助任务改善了从模型中获得的文档的表示，并隐含的增加了数据信息。本发明解决了目前蛋白质相互作用关系抽取中存在的输入文本长，目标蛋白质实体在数据集中分布散乱的问题，提高了该任务上性能的精度。
主权项：1.一种基于高斯增强及辅助任务的蛋白质相互作用关系抽取方法，其特征在于，所述方法包括：S1、预处理蛋白质相互作用关系抽取任务的语料集，得到分词结果；S2、将S1得到的分词结果输入到BioBERT预训练模型，生成单词的高质量上下文表示，得到整个蛋白质相互作用关系文档的特征向量；S3、将S2中得到的特征向量送入辅助任务的全连接层进行文档分类预测；所述辅助任务为文档分类任务，所述文档分类任务用于确定描述影响蛋白质-蛋白质相互作用的基因突变的相关文献；S4、根据S1得到的分词结果中目标实体对的位置构建高斯概率列表，在不同的令牌位置上赋上不同的概率值，将存放概率值的高斯概率列表和文档的特征向量做乘法，得到相应的目标实体增强表示；S5、所述高斯概率分布和所述辅助任务从两个不同的角度表示输入文档的特征；将S3中经过辅助任务获得信息增加的文档表示与S4中得到的目标实体增强表示进行连接，形成一个长向量，通过一层全连接层提取关键特征；通过全连接层提取关键特征后，再次将结果输入到全连接神经网络中，对两个生物医学实体在句子中的关系进行预测，最终得到蛋白质相互作用关系的概率分布，从而抽取蛋白质相互作用关系。
全文数据：
权利要求：
百度查询： 大连海事大学 基于高斯增强及辅助任务的蛋白质相互作用关系抽取方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号