应用粒子群优化-条件随机域的文本生物实体识别
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.
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
44
TP301(计算技术、计算机技术)
国家自然科学基金重点资助项目60933009;高等学校博士学科点专项科研基金资助项目200807010013;国家自然科学基金资助项目60970065
2011-03-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
38-42,124