基于交叉预测的蛋白质交互识别

来源：计算机技术与发展杂志2018年第04期北京时间：

作者：闵庆凯;蔡松成

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 k 组,取 1 组数据作为预测集,其余 k -1 组数据作为训练集,依次轮换训练集和预测集 k 次,每组数据都利用其余 k -1 组数据训练得到的模型来预测并去噪；然后将去噪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