基于大规模文本的蛋白质交互关系自动提取

摘要

针对目前蛋白质交互（PPI）关系提取方法仅以单句中的信息为主要依据的问题，提出一种基于大规模文本的蛋白质交互关系自动提取的方法。首先通过对大规模生物医学文本的自动搜索建立目标蛋白质对的签名档，将蛋白质交互关系抽取转化为文本自动分类问题；然后提取签名档中的重要特征，建立蛋白质对的向量空间模型（VSM）；最后采用支持向量机（SVM）对签名档进行分类。比较了四种对向量的特征进行加权和特征选择的方案。实验表明，基于大规模文本的蛋白质交互关系识别取得了最高达94．8％的精确度和65．1％的召回率；并且此方法充分利用已有的交互信息，免除了额外的人工标注的负担。