西安交通大学学报
西安交通大學學報
서안교통대학학보
JOURNAL OF XI'AN JIAOTONG UNIVERSITY
2010年
12期
38-42,124
,共6页
条件随机域模型%粒子群优化%粒子群聚集度%对数似然相对变化率%生物实体识别
條件隨機域模型%粒子群優化%粒子群聚集度%對數似然相對變化率%生物實體識彆
조건수궤역모형%입자군우화%입자군취집도%대수사연상대변화솔%생물실체식별
针对生物医学文本中传统生物实体识别算法的精确度不高的问题,提出了一种新的基于粒子群优化-条件随机域的生物实体识别算法.新算法利用改进的粒子群优化算法训练条件随机域模型,并将训练后的条件随机域模型应用到生物实体的识别上.改进的粒子群优化算法引入粒子群聚集度来防止粒子群过早地陷入局部收敛,用迭代间对数似然相对变化率来控制算法的收敛,用线性变化的惯性因子和学习因子来控制搜索范围.实验结果表明,基于改进粒子群优化的条件随机域模型较隐马尔科夫模型、最大熵马尔科夫模型、支持向量机以及传统条件随机域模型等方法具有更高的精确率和召回率.
針對生物醫學文本中傳統生物實體識彆算法的精確度不高的問題,提齣瞭一種新的基于粒子群優化-條件隨機域的生物實體識彆算法.新算法利用改進的粒子群優化算法訓練條件隨機域模型,併將訓練後的條件隨機域模型應用到生物實體的識彆上.改進的粒子群優化算法引入粒子群聚集度來防止粒子群過早地陷入跼部收斂,用迭代間對數似然相對變化率來控製算法的收斂,用線性變化的慣性因子和學習因子來控製搜索範圍.實驗結果錶明,基于改進粒子群優化的條件隨機域模型較隱馬爾科伕模型、最大熵馬爾科伕模型、支持嚮量機以及傳統條件隨機域模型等方法具有更高的精確率和召迴率.
침대생물의학문본중전통생물실체식별산법적정학도불고적문제,제출료일충신적기우입자군우화-조건수궤역적생물실체식별산법.신산법이용개진적입자군우화산법훈련조건수궤역모형,병장훈련후적조건수궤역모형응용도생물실체적식별상.개진적입자군우화산법인입입자군취집도래방지입자군과조지함입국부수렴,용질대간대수사연상대변화솔래공제산법적수렴,용선성변화적관성인자화학습인자래공제수색범위.실험결과표명,기우개진입자군우화적조건수궤역모형교은마이과부모형、최대적마이과부모형、지지향량궤이급전통조건수궤역모형등방법구유경고적정학솔화소회솔.
