彭昀磊，牛 耘

(南京航空航天大學(xué) 計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院，江蘇 南京 210016)

0 引 言

通過(guò)相互作用，細(xì)胞中的蛋白質(zhì)完成細(xì)胞中的大部分過(guò)程，比如細(xì)胞內(nèi)通訊。因而，蛋白質(zhì)交互信息(protein-protein interaction,PPI)成為了關(guān)鍵信息，用以解決大量醫(yī)學(xué)難題。目前，生物學(xué)家通過(guò)人工閱讀的方式識(shí)別醫(yī)學(xué)文獻(xiàn)中的PPI，并按照統(tǒng)一的格式將這些重要的信息錄入數(shù)據(jù)庫(kù)，如HPRD[1]、IntAct[2]、MINT[3]。然而以上數(shù)據(jù)庫(kù)中的PPI信息并不全面，而且生物醫(yī)學(xué)的快速發(fā)展導(dǎo)致每年相關(guān)科學(xué)文獻(xiàn)的增長(zhǎng)數(shù)量達(dá)上千萬(wàn)，每天也在產(chǎn)生新的蛋白質(zhì)之間的關(guān)系。因此要從醫(yī)學(xué)文獻(xiàn)中收集PPI信息，僅靠手工方式難以滿足現(xiàn)實(shí)的需求。

在此背景下，有監(jiān)督的機(jī)器學(xué)習(xí)方法被大量地運(yùn)用到研究PPI關(guān)系識(shí)別中，但需要依賴于大量的文本集合，并要求文本集合質(zhì)量高且標(biāo)注蛋白質(zhì)交互信息，而構(gòu)造這樣的集合需要耗費(fèi)大量的人力和時(shí)間。因此，筆者在之前的研究中提出了一種基于弱監(jiān)督的蛋白質(zhì)交互識(shí)別法，只需利用少量已有的標(biāo)注信息進(jìn)行蛋白質(zhì)交互關(guān)系識(shí)別。該方法對(duì)蛋白質(zhì)關(guān)系描述的上下文進(jìn)行聚類(lèi)，提取出交互關(guān)系描述的模式，用模式對(duì)交互關(guān)系進(jìn)行判斷。文中在該方法的基礎(chǔ)上，提出了基于詞向量的特征詞選擇。為特征詞集合中的每個(gè)單詞產(chǎn)生一個(gè)向量，再根據(jù)單詞對(duì)應(yīng)的向量將單詞聚類(lèi)，然后從聚類(lèi)結(jié)果中選出更能表達(dá)PPI信息的詞，繼而進(jìn)行PPI識(shí)別。

1 相關(guān)工作

近年來(lái)，研究者們?cè)絹?lái)越多地采用基于機(jī)器學(xué)習(xí)的方法[4-6]去識(shí)別PPI信息。基于機(jī)器學(xué)習(xí)的方法主要包括兩大類(lèi)：基于核函數(shù)的方法和基于特征的方法?；诤撕瘮?shù)的方法首先對(duì)句子結(jié)構(gòu)進(jìn)行深入研究，通過(guò)設(shè)計(jì)核函數(shù)衡量不同蛋白質(zhì)對(duì)間的相似度，然后使用支持核函數(shù)的分類(lèi)器進(jìn)行PPI關(guān)系識(shí)別。例如，Bunescu R C等[7]提出了最短依賴路徑核，以樹(shù)的形式來(lái)表示句子，用兩個(gè)實(shí)體之間的最短路徑表示實(shí)體之間的關(guān)系；文獻(xiàn)[8-11]使用基于圖核、多核(特征的核，樹(shù)核及圖核融合)的學(xué)習(xí)方法抽取PPI信息。基于特征的方法試圖從標(biāo)注有交互關(guān)系的蛋白質(zhì)對(duì)的句子中提取出對(duì)PPI識(shí)別有效的特征來(lái)建立模型，進(jìn)而判斷蛋白質(zhì)對(duì)是否含有交互關(guān)系。例如，文獻(xiàn)[12-15]從句子中的詞匯形式、位置以及蛋白質(zhì)的上下文等信息中提取特征。Yang等[6,16]使用了蛋白質(zhì)實(shí)體間的眾多特征，如：距離、鏈接、詞匯、關(guān)鍵詞等。但有監(jiān)督的方法需要大量有標(biāo)注的數(shù)據(jù)，且研究對(duì)象是單個(gè)句子，因此只能依賴一個(gè)句子中的線索，對(duì)于復(fù)雜的句子描述很難判斷。

與上述方法不同，筆者在之前的工作中采用弱監(jiān)督方式，只需利用少量的標(biāo)注數(shù)據(jù)，利用與交互關(guān)系的模式的相似性對(duì)交互關(guān)系進(jìn)行判斷?；谠摲椒?，文中利用基于詞向量的方法對(duì)特征詞集合中的單詞進(jìn)行聚類(lèi)，并從聚類(lèi)結(jié)果中選出對(duì)PPI識(shí)別有效的特征詞，繼而進(jìn)行蛋白質(zhì)交互識(shí)別。

2 基于弱監(jiān)督的蛋白質(zhì)交互關(guān)系識(shí)別

基于弱監(jiān)督的蛋白質(zhì)交互識(shí)別主要分為四個(gè)模塊，下面簡(jiǎn)單描述這四個(gè)模塊。

2.1 種子實(shí)例特征表示

該模塊找到文本庫(kù)中包含種子的句子，其中每個(gè)句子對(duì)應(yīng)一個(gè)關(guān)系實(shí)例，然后生成關(guān)系實(shí)例的向量表示。其中每個(gè)句子的上下文都分為三個(gè)部分：第一個(gè)蛋白質(zhì)左邊n個(gè)單詞(BEF)、兩蛋白質(zhì)之間的單詞(BET)、第二個(gè)蛋白質(zhì)右邊n個(gè)單詞(AFT)。

2.2 產(chǎn)生提取模式

根據(jù)PPI描述的相似性對(duì)PPI描述的上下文進(jìn)行聚類(lèi)，形成PPI描述的提取模式。先對(duì)每個(gè)實(shí)例賦予一個(gè)bet得分，再根據(jù)該得分，對(duì)實(shí)例從大到小排序。然后，采用單次聚類(lèi)算法(single-pass clustering)對(duì)排序好的實(shí)例進(jìn)行聚類(lèi)，聚類(lèi)生成的結(jié)果也即PPI關(guān)系的提取模式。

2.3 用提取模式尋找候選的關(guān)系實(shí)例

對(duì)待判斷關(guān)系的蛋白質(zhì)對(duì)集中的每對(duì)蛋白質(zhì)，和種子類(lèi)似，在文本庫(kù)中掃描包含該對(duì)蛋白質(zhì)的句子。對(duì)于每個(gè)句子，生成該句子對(duì)應(yīng)實(shí)例的向量表示，并和2.2節(jié)產(chǎn)生的提取模式進(jìn)行相似性比較。利用提取模式從所有句子(關(guān)系實(shí)例)中選出可能存在交互關(guān)系的實(shí)例，即候選關(guān)系實(shí)例。

2.4 用候選實(shí)例識(shí)別有交互關(guān)系的蛋白質(zhì)對(duì)

每一個(gè)候選實(shí)例對(duì)應(yīng)的蛋白質(zhì)對(duì)，稱(chēng)為候選蛋白質(zhì)對(duì)。本節(jié)對(duì)候選蛋白質(zhì)對(duì)打分，得分越高，該蛋白質(zhì)對(duì)越有可能存在交互關(guān)系。最后，將候選蛋白質(zhì)得分大于等于Ttuple(Ttuple是候選蛋白質(zhì)對(duì)得分的閾值)的蛋白質(zhì)對(duì)添加到種子集中，以用于下一輪的迭代，直到滿足迭代的終止條件。

3 基于詞向量的特征詞選擇

在基于弱監(jiān)督的蛋白質(zhì)交互關(guān)系識(shí)別中，選取特征詞的方式過(guò)于簡(jiǎn)單，使得特征詞集合中存在大量的、不能有效表達(dá)交互關(guān)系的詞，如：show(說(shuō)明)、express(表達(dá))。

文中的目的是從特征詞集合中選出能有效表達(dá)交互關(guān)系的詞。首先，對(duì)于三個(gè)部分上下文，對(duì)每個(gè)上下文中的單詞作初步過(guò)濾(是指從特征詞集合中刪除停用詞、單字符單詞、數(shù)字、“字母+數(shù)字”的詞)。然后，從剩下的詞中過(guò)濾掉出現(xiàn)頻次小于等于3次的詞。接下來(lái)的處理過(guò)程主要分為四個(gè)模塊，下面詳細(xì)描述這四個(gè)模塊。

3.1 特征詞聚類(lèi)

根據(jù)對(duì)眾多特征詞的觀察，發(fā)現(xiàn)能較好表達(dá)交互關(guān)系的詞往往很相似，能夠被劃分在同一類(lèi)，如：inhabit(抑制)、induce(引起)。部分不能表達(dá)交互關(guān)系的詞也很相似，亦能被劃分在同一組內(nèi)，如：cause(引起)、result(導(dǎo)致)。剩下的單詞和其他單詞都不相似，只能獨(dú)自歸為一類(lèi)，如：member(成員)、type(類(lèi)型)，這些單詞一定不能表達(dá)交互關(guān)系，直接過(guò)濾掉。

3.1.1 訓(xùn)練詞向量

文中描述的詞向量是distributed representation，是采用神經(jīng)網(wǎng)絡(luò)訓(xùn)練出來(lái)的向量。其基本思想是：通過(guò)訓(xùn)練，將語(yǔ)料中的每個(gè)詞都映射成一個(gè)固定長(zhǎng)度(N維)的向量。該詞向量克服了one-hot representation(建立一個(gè)詞表，向量維度等于詞表大小，詞表示為對(duì)應(yīng)維度為1)的缺點(diǎn)，即容易受到維數(shù)災(zāi)難(是指在涉及到向量的計(jì)算中，隨著維數(shù)的增加，計(jì)算量呈指數(shù)倍增長(zhǎng)的現(xiàn)象)的困擾、不能很好地刻畫(huà)詞與詞之間的相似性。

采用的詞向量工具word2vec是Google開(kāi)源的詞向量工具，其中模型采用的是Skip-Gram模型。訓(xùn)練詞向量所用的語(yǔ)料是所有蛋白質(zhì)對(duì)對(duì)應(yīng)的句子。

3.1.2 將特征詞聚類(lèi)并過(guò)濾僅含一個(gè)詞的類(lèi)

根據(jù)單詞之間的相似性分別對(duì)bef、bet、aft上下文中的單詞進(jìn)行單次聚類(lèi)，得到三個(gè)聚類(lèi)結(jié)果clus_bef、clus_bet、clus_aft。算法1描述了單次聚類(lèi)的過(guò)程，該算法的輸入是單詞集合。

算法1：single-pass clustering。

輸入：Words={w1,w2,…,wn}

輸出：Clusters={}

1:cl1={w1}

2:Clusters={cl1}

3:forwn∈Words do

4:map={}//類(lèi)號(hào)和相似性值的映射

5:forcli∈Clusters do

6:simVal=Sim(wn,cli)

7:ifsimVal>=Tsimthen

8:map=map∪{cli:simVal}

9:end if

10:end for

11:if map is not NULL then

12:sort(map，simVal)

13:index=map1[key]

14:clindex=clindex∪{wn}

15:else

16:clm={wn}

17:Clusters=Clusters∪{clm}

18:end if

19:end for

20:return Clusters

算法1的第1、2行表示將單詞集合中的第一個(gè)單詞作為第一個(gè)類(lèi)中的第一個(gè)元素，第二個(gè)單詞和它作相似性比較。若相似性滿足閾值條件，則將第二個(gè)單詞加入到第一個(gè)類(lèi)中，否則，創(chuàng)建一個(gè)新類(lèi)，并將第二個(gè)單詞加入。算法1的第4～19行表示依次計(jì)算單詞wn和每一個(gè)類(lèi)cli之間的相似性，選出單詞和任意類(lèi)之間相似性最大的那個(gè)類(lèi)clindex,并且單詞和該類(lèi)滿足閾值條件，則將單詞wn添加到類(lèi)clindex中。如果單詞wn和最大相似性的類(lèi)都不滿足閾值條件，則創(chuàng)建一個(gè)新的空類(lèi)，將單詞wn添加進(jìn)去。算法1的第20行輸出所生成的類(lèi)。

一個(gè)單詞和一個(gè)類(lèi)之間的相似性是通過(guò)算法1第6行中的Sim(wn,cli)來(lái)計(jì)算的，也就是計(jì)算單詞wn和類(lèi)cli內(nèi)的各個(gè)成員單詞之間的相似性。對(duì)Sim(wn,cli)，如果單詞wn和類(lèi)cli中半數(shù)以上單詞的相似性都滿足閾值條件，那么返回最大相似性值，否則返回0。

計(jì)算兩個(gè)單詞的相似性采用如下公式：

Sim(wm,wn)=cos(wordVectorm,wordVectorn)

(1)

(2)

其中，wordVectorm和wordVectorn分別表示第m和第n個(gè)單詞對(duì)應(yīng)的詞向量。

然后，在聚類(lèi)結(jié)果的每個(gè)類(lèi)中，對(duì)于相同詞根的詞，只留一個(gè)。如一個(gè)類(lèi)中有詞bind、binds，則保留其中任意一個(gè)詞。再過(guò)濾掉僅有一個(gè)元素的類(lèi)，因?yàn)榛谖闹械募僭O(shè)，這些類(lèi)中的元素不能表達(dá)交互關(guān)系。

3.2 選出不能表達(dá)交互關(guān)系的高頻詞

根據(jù)觀察，可以發(fā)現(xiàn)出現(xiàn)頻數(shù)大且不能表達(dá)交互關(guān)系的詞在上下文中分布的特點(diǎn)是：(1)在bet上下文出現(xiàn)的頻數(shù)小于在bef上下文或aft上下文中出現(xiàn)的頻數(shù)(其中頻數(shù)可分為“存在頻數(shù)”和“總頻數(shù)”)。例如：在50個(gè)蛋白質(zhì)對(duì)中，有17個(gè)蛋白質(zhì)對(duì)對(duì)應(yīng)句子的bef上下文含有詞“show”，且總共出現(xiàn)了27次，其存在頻數(shù)和總頻數(shù)分別是17和27；而只有7個(gè)蛋白質(zhì)對(duì)對(duì)應(yīng)句子的bet上下文含有詞“show”，且總共出現(xiàn)了9次，其存在頻數(shù)和總頻數(shù)分別是7和9。(2)總頻數(shù)的差值比存在頻數(shù)的差值更加明顯，即總頻數(shù)之差大于存在頻數(shù)之差。上述例子中總頻數(shù)之差為27-9=18，而存在頻數(shù)之差為17-7=10，且18>10。

因此，首先從bef、bet、aft上下文中分別選出各自的動(dòng)詞。繼而統(tǒng)計(jì)各個(gè)動(dòng)詞的存在頻數(shù)，記為x，并統(tǒng)計(jì)該動(dòng)詞的總頻數(shù)，記為y。然后，對(duì)數(shù)據(jù)記錄按照x從大到小排序，組成三張動(dòng)詞頻率表bef_v、bet_v、aft_v，表中一條數(shù)據(jù)記錄為(w,x,y)。然后，從三張動(dòng)詞頻率表中選出不能表達(dá)交互關(guān)系的高頻詞。先從bef_v和bet_v中選擇高頻詞，選擇的方式如下：

(1)在bef_v和bet_v動(dòng)詞頻率表中都存在；

(2)在bef_v頻率表中的排名比在bet_v中的排名更加靠前；

(3)同一個(gè)單詞，其在bef_v和bet_v中的總頻數(shù)之差(y1-y2)比存在頻數(shù)之差(x1-x2)更大。

三種方式的結(jié)果組成單詞集合wordSet1。對(duì)于aft_v和bet_v，其選擇方式與bef_v、bet_v之間的選擇方式類(lèi)似，其選擇結(jié)果組成單詞集合wordSet2。

3.3 過(guò)濾含有不能表達(dá)交互關(guān)系單詞的類(lèi)

由于3.1節(jié)得到的類(lèi)中，每個(gè)類(lèi)中的單詞相互之間都是比較相似的，因此，一旦某個(gè)類(lèi)中有單詞被判定為不能表達(dá)交互關(guān)系，那么包含該單詞的類(lèi)的所有元素也都不能表達(dá)交互關(guān)系，于是把這個(gè)類(lèi)刪除。

對(duì)于在3.1節(jié)中聚類(lèi)得到的clus_bef、clus_bet、clus_aft，以及在3.2節(jié)中得到的單詞集合wordSet1、wordSet2,從類(lèi)clus_bef中去掉含有集合wordSet1中單詞的類(lèi)，從類(lèi)clus_aft中去掉含有集合wordSet2中單詞的類(lèi),從類(lèi)clus_bet中去掉含有集合wordSet1、wordSet2中單詞的類(lèi)。

3.4 過(guò)濾掉bet部分不存在的詞

在一個(gè)句子中，bet上下文比bef和aft部分上下文更有可能出現(xiàn)能較好表達(dá)交互關(guān)系的詞，因此，假如某些詞只在bef或aft中出現(xiàn)，而未在bet中出現(xiàn)過(guò)，那么這些詞不能表達(dá)交互關(guān)系，應(yīng)該被過(guò)濾掉。

在剩余的類(lèi)clus_bef、clus_bet、clus_aft中，對(duì)于類(lèi)中的每個(gè)單詞分別求詞根，并從bef部分中去掉bef部分存在而bet部分不存在的詞根，從aft部分中去掉aft部分存在而bet部分不存在的詞根。

4 實(shí) 驗(yàn)

4.1 實(shí)驗(yàn)數(shù)據(jù)

實(shí)驗(yàn)中有交互關(guān)系的蛋白質(zhì)對(duì)是直接從HPRD數(shù)據(jù)庫(kù)中查詢獲取，并且只保留被PubMed數(shù)據(jù)庫(kù)中一篇以上摘要包含的那些蛋白質(zhì)對(duì)。而對(duì)于無(wú)交互關(guān)系的蛋白質(zhì)對(duì)，將HPRD中的蛋白質(zhì)隨機(jī)組合成蛋白質(zhì)對(duì)，去除已被HPRD數(shù)據(jù)庫(kù)包含的蛋白質(zhì)對(duì)以及未被PubMed數(shù)據(jù)庫(kù)記載的蛋白質(zhì)對(duì)。以一對(duì)蛋白質(zhì)為查詢參數(shù)，從文獻(xiàn)中檢索出描述這兩個(gè)蛋白質(zhì)的所有句子，作為該蛋白質(zhì)對(duì)的簽名檔。

文中設(shè)置一個(gè)句子中BET上下文的有效單詞個(gè)數(shù)為6(有效單詞個(gè)數(shù)是指不包括標(biāo)點(diǎn)在內(nèi)的單詞個(gè)數(shù)，不夠6個(gè)則取BET中所有的單詞)。滿足此要求的有交互和無(wú)交互關(guān)系的蛋白質(zhì)對(duì)分別有964和870對(duì)，總共1 834對(duì)。這些蛋白質(zhì)對(duì)對(duì)應(yīng)的簽名檔構(gòu)成文本庫(kù)。從有交互關(guān)系的蛋白質(zhì)對(duì)中隨機(jī)挑選出50對(duì)作為種子。

4.2 實(shí)驗(yàn)設(shè)置

訓(xùn)練詞向量時(shí)有以下參數(shù)：min_count指最低頻率，若一個(gè)詞在預(yù)料中出現(xiàn)次數(shù)小于最低頻率，就放棄該詞；size指每個(gè)詞的向量維度；window指訓(xùn)練時(shí)的上下文掃描窗口大小，如window為2就是考慮前2個(gè)詞和后2個(gè)詞。設(shè)置min_count為1，size為200，window為5。

使用精度(P)、召回率(R)和F值(F)作為評(píng)價(jià)標(biāo)準(zhǔn)，它們的計(jì)算公式為：

(3)

(4)

(5)

為設(shè)定算法1中的單詞相似性閾值wTsim，將wTsim從[0,1]變化，以0.1為間隔，觀察聚類(lèi)結(jié)果。當(dāng)類(lèi)內(nèi)單詞越相似，類(lèi)間單詞越迥異，聚類(lèi)結(jié)果越理想，最終確定wTsim為0.5。在基于弱監(jiān)督的蛋白質(zhì)交互識(shí)別中，為取得合理的實(shí)例相似性閾值iTsim，將iTsim從[0.1,0.6]變化(避免F值過(guò)低)，以0.1為間隔，記錄實(shí)驗(yàn)結(jié)果。

4.3 實(shí)驗(yàn)結(jié)果及分析

表1列舉了采用特征詞選擇前后，每個(gè)實(shí)例對(duì)應(yīng)bef、bet、aft部分的特征詞數(shù)量。

表1 各方案下的特征詞數(shù)量

表1中，c1表示未采用特征詞選擇；c2表示用詞向量進(jìn)行聚類(lèi)后，過(guò)濾僅含一個(gè)元素的類(lèi)；c3表示未使用詞向量進(jìn)行聚類(lèi)，只過(guò)濾掉不能表達(dá)交互關(guān)系的高頻詞以及bet中不存在的詞；c4表示用詞向量進(jìn)行聚類(lèi)，過(guò)濾僅含一個(gè)元素的類(lèi)，根據(jù)不能表達(dá)交互關(guān)系的高頻詞，從聚類(lèi)結(jié)果中過(guò)濾掉含有高頻詞的類(lèi)，再過(guò)濾掉bet中不存在的詞。從c1到c4，三個(gè)上下文的特征詞數(shù)量大量減少。

分別采用方案c1～c4，得到不同實(shí)例相似性閾值iTim下的F值，如圖1所示。從圖1可以看出，方案c2和c3的F值基本比c1更優(yōu)，表明特征詞選擇后識(shí)別結(jié)果更優(yōu)。

分別采用c2和c3，得到不同實(shí)例相似性閾值iTim下的識(shí)別結(jié)果，如表2所示。

從表2可以發(fā)現(xiàn)，隨著實(shí)例相似性閾值iTim減小，方案2和3的識(shí)別精度下降，召回率上升，F(xiàn)值上升。所有閾值iTim下，方案c3的精度都比方案c2的高。當(dāng)閾值iTim在0.2及以下時(shí)，方案3的召回率和F值都比方案2的低；當(dāng)閾值iTim在0.3及以上時(shí)，方案3的召回率和F值都比方案2的高。

表2 采用方案c2和c3的識(shí)別結(jié)果 %

文中使用多種特征詞選擇方法，使得特征詞數(shù)量大幅減小，實(shí)例對(duì)應(yīng)的特征向量維數(shù)明顯降低，極大提高了蛋白質(zhì)交互的識(shí)別效率，且識(shí)別結(jié)果更優(yōu)。

5 結(jié)束語(yǔ)

為了從特征詞中選擇表達(dá)交互關(guān)系的詞，提出了基于詞向量的特征詞選擇方法。該方法在比較單詞相似性時(shí)，使用了詞向量的方式，取得了較好的識(shí)別結(jié)果。但在選擇不能表達(dá)交互關(guān)系的高頻詞時(shí)，僅考慮其在上文中的分布情況，下一步的研究將嘗試其他的選擇方法。

參考文獻(xiàn)：

[1] PRASAD T S K,GOEL R,KANDASAMY K,et al.Human protein reference database-2009 update[J].Nucleic Acids Research,2009,37:767-772.

[2] KERRIEN S,ALAM-FARUQUE Y,ARANDA B,et al.IntAct-open source resource for molecular interaction data[J].Nucleic Acids Research,2007,35:561-565.

[3] CEOL A,ARYAMONTRI A C,LICATA L,et al.MINT,the molecular interaction database:2009 update[J].Nucleic Acids Research,2010,38:532-539.

[4] 崔寶今,林鴻飛,張 霄.基于半監(jiān)督學(xué)習(xí)的蛋白質(zhì)關(guān)系抽取研究[J].山東大學(xué)學(xué)報(bào):工學(xué)版,2009,39(3):16-21.

[5] 董美豪.基于文本挖掘的蛋白質(zhì)相互作用對(duì)抽取方法的研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2015.

[6] 楊志豪,洪 莉,林鴻飛,等.基于支持向量機(jī)的生物醫(yī)學(xué)文獻(xiàn)蛋白質(zhì)關(guān)系抽取[J].智能系統(tǒng)學(xué)報(bào),2008,3(4):361-369.

[7] BUNESCU R C,MOONEY R J.A shortest path dependency kernel for relation extraction[C]//Proceedings of the conference on human language technology and empirical methods in natural language processing.Vancouver,British Columbia,Canada:Association for Computational Linguistics,2005:724-731.

[8] HIDO S,KASHIMA H.A linear-time graph kernel[C]//Ninth IEEE international conference on data mining.[s.l.]:IEEE,2009:179-188.

[9] AIROLA A, PYYSALO S, PAHIKKALA T, et al.A graph kernel for protein-protein interaction extraction[C]//Proceedings of workshop on current trends in biomedical natural language processing.[s.l.]:Association for Computational Linguistics,2008:1-9.

[10] 唐 楠,楊志豪,林鴻飛,等.基于多核學(xué)習(xí)的醫(yī)學(xué)文獻(xiàn)蛋白質(zhì)關(guān)系抽取[J].計(jì)算機(jī)工程,2011,37(10):184-186.

[11] 劉 念,馬長(zhǎng)林,張 勇,等.基于樹(shù)核的蛋白質(zhì)相互作用關(guān)系提取的研究[J].華中科技大學(xué)學(xué)報(bào):自然科學(xué)版,2013,41:232-236.

[12] NIU Y,OTASEK D,JURISICA I.Evaluation of linguistic features useful in extraction of interactions from PubMed;application to annotating known, high-throughput and predicted interactions in I2D[J].Bioinformatics,2010,26(1):111-119.

[13] 高 飛.基于MapReduce的蛋白質(zhì)相互作用信息抽取系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].西安:西北農(nóng)林科技大學(xué),2016.

[14] 吳紅梅,牛 耘.基于特征加權(quán)的蛋白質(zhì)交互識(shí)別[J].計(jì)算機(jī)技術(shù)與發(fā)展,2016,26(2):114-117.

[15] 張 景,吳紅梅,牛 耘.基于Minimum Cuts的蛋白質(zhì)交互識(shí)別[J].計(jì)算機(jī)技術(shù)與發(fā)展,2017,27(6):17-21.

[16] 劉敏捷.基于組合學(xué)習(xí)和主動(dòng)學(xué)習(xí)的蛋白質(zhì)關(guān)系抽取[D].大連:大連理工大學(xué),2015.