李丽双，郭 瑞，黄德根，周惠巍

(大连理工大学 计算机学院，辽宁 大连 116023)

基于迁移学习的蛋白质交互关系抽取

李丽双，郭 瑞，黄德根，周惠巍

(大连理工大学 计算机学院，辽宁 大连 116023)

作为生物医学信息抽取领域的重要分支，蛋白质交互关系(Protein-Protein Interaction，PPI)抽取具有重要的研究意义。目前的研究大多采用统计机器学习方法，需要大规模标注语料进行训练。训练语料过少，会降低关系抽取系统的性能，而人工标注语料需要耗费巨大的成本。该文采用迁移学习的方法，用大量已标注的源领域(其它领域)语料来辅助少量标注的目标领域语料(本领域)进行蛋白质交互关系抽取。但是，不同领域的数据分布存在差异，容易导致负迁移，该文借助实例的相对分布来调整权重，避免了负迁移的发生。在公共语料库AIMed上实验，两种迁移学习方法获得了明显优于基准算法的性能；同样方法在语料库IEPA上实验时，TrAdaboost算法发生了负迁移，而改进的DisTrAdaboost算法仍保持良好迁移效果。

蛋白质交互关系抽取；迁移学习；负迁移

1 引言

伴随着信息数字化和生物医学领域的快速发展，生物医学文献呈爆发式增长，使得提取文献中的信息困难重重。生物医学文本挖掘应运而生。作为其中的重要分支之一，蛋白质交互关系(PPI)抽取技术具有很高的应用价值，尤其是对蛋白质知识网络的建立、本体的构建等具有重要意义。

目前用于蛋白质交互关系抽取的方法可以分为三种，基于词共现的方法，基于模式匹配的方法和基于统计机器学习的方法。……