[發(fā)明專利]基于文本關(guān)系相似性的蛋白質(zhì)交互關(guān)系識別方法

有效

• 申請?zhí)枺?/td>: 201510020404.1
• 申請日: 2015-01-15
• 公開（公告）號: CN104537280B
• 公開（公告）日: 2017-05-31
• 發(fā)明（設(shè)計）人: 牛耘;王宇偉;吳紅梅;魏歐
• 申請（專利權(quán)）人: 南京航空航天大學(xué)
• 主分類號: G06F19/24
• 分類號: G06F19/24
• 代理公司: 南京鐘山專利代理有限公司32252
• 代理人: 戴朝榮

1.一種基于文本關(guān)系相似性的蛋白質(zhì)交互關(guān)系識別方法，其特征在于，包括如下步驟：

步驟1：獲取文本集中的蛋白質(zhì)對關(guān)鍵詞的句子，對所有句子進行集合得到簽名檔S；每個蛋白質(zhì)對為(p1,p2)，每個目標蛋白質(zhì)對都會有簽名檔與之相對應(yīng)；

步驟2：用特征向量來表示p1和p2之間的關(guān)系；將對應(yīng)于目標蛋白質(zhì)對的簽名檔中的單詞進行預(yù)處理，去除停止詞；向量的維度對應(yīng)這一關(guān)系的特征，這些特征從多個蛋白質(zhì)對的簽名檔中抽取，計算特征的權(quán)重；

步驟3：關(guān)系相似性計算；將目標蛋白質(zhì)對特征向量與已知交互關(guān)系的蛋白質(zhì)對特征向量進行相似性計算比較；找到最相近的特征向量并把其標簽作為目標蛋白質(zhì)對的標簽；

步驟4：計算單詞相似性矩陣；將文本集中蛋白質(zhì)對簽名檔中所有的單詞作為初始的目標詞；這些單詞按照它們的詞性標注情況進行分組，分組為名詞，動詞，形容詞和副詞；將對應(yīng)于名詞，動詞，形容詞，副詞的四個相似性矩陣計算出來；對于每個目標詞，構(gòu)建其分布特征；每個目標詞被表示成一個共現(xiàn)向量，使用向量空間模型表示分布特征；計算同一詞性組中每一對目標詞之間的相似性；

步驟5：步驟1,2,3建立得到基本關(guān)系相似性模型，步驟4建立得到單詞相似性模型，將單詞相似性模型引入基本關(guān)系相似性模型中，形成新的混合模型；在新的混合模型中首先采用1近鄰分類器和k近鄰分類器對蛋白質(zhì)對做初始判斷，其中k>1；

當兩者判斷的結(jié)果一致時為最終結(jié)果；當結(jié)果不一致時，將根據(jù)單詞相似性矩陣對蛋白質(zhì)對特征向量的權(quán)值作調(diào)整；然后再用1近鄰分類器對調(diào)整后的蛋白質(zhì)對向量做分類判斷得到最終結(jié)果；

在步驟5中，對于某個特征向量V，當特征向量V中的一維度的目標詞w1的權(quán)值為0時，則對這個權(quán)值進行調(diào)整，為1保持不變，當目標詞w1的權(quán)值為0時，則對這個權(quán)值進行調(diào)整，具體如下：

當兩者判斷的結(jié)果一致時為最終結(jié)果；當結(jié)果不一致時，將根據(jù)單詞相似性矩陣對蛋白質(zhì)對特征向量的權(quán)值作調(diào)整；然后再用1近鄰分類器對調(diào)整后的蛋白質(zhì)對向量做分類判斷得到最終結(jié)果；

子步驟1：先找出特征向量V中權(quán)值為1的那些維所代表的單詞的集合F，再從w1所屬的詞性組對應(yīng)的相似性矩陣B中找出目標詞w1對應(yīng)的行，該行是目標詞w1與其它單詞的相似度所在的行，找出其中相似度的最大值s；

當相似度的最大值s所在的列代表的單詞不在F集合中時，忽略這個相似度的最大值s值，繼續(xù)尋找下一個相似度的最大值s且它所在的列代表的單詞在F集合中；

子步驟2：當目標詞w1有多個詞性時，則從多個詞性組中分別找到各自的相似度的最大值，進行比較后，得到相似度的最大值s；

子步驟3：設(shè)定閾值為θ，當相似度的最大值s大于閾值θ時，則把它作為目標詞w1調(diào)整后的權(quán)值。