• 主题
高级搜索  >
历史搜索 清空历史
首页> 美国卫生研究院文献>BMC Systems Biology >Recognition of bacteria named entity using conditional random fields in Spark
【2h】

Recognition of bacteria named entity using conditional random fields in Spark

机译：使用Spark中的条件随机字段识别细菌命名实体

代理获取
本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

BackgroundMicrobe plays a crucial role in the functional mechanism of an ecosystem. Identification of the interactions among microbes is an important step towards understand the structure and function of microbial communities, as well as of the impact of microbes on human health and disease. Despite the importance of it, there is not a gold-standard dataset of microbial interactions currently. Traditional approaches such as growth and co-culture analysis need to be performed in the laboratory, which are time-consuming and costly. By providing predicted candidate interactions to experimental verification, computational methods are able to alleviate this problem. Mining microbial interactions from mass medical texts is one type of computational methods. Identification of the named entity of bacteria and related entities from the text is the basis for microbial relation extraction. In the previous work, a system of bacteria named entities recognition based on the dictionary and conditional random field was proposed. However, it is inefficient when dealing with large-scale text.
机译：背景微生物在生态系统的功能机制中起着至关重要的作用。识别微生物之间的相互作用是了解微生物群落的结构和功能以及微生物对人类健康和疾病影响的重要一步。尽管它很重要，但目前尚无微生物相互作用的黄金标准数据集。传统方法如生长和共培养分析需要在实验室中进行，这既费时又费钱。通过为实验验证提供预测的候选相互作用，计算方法可以缓解此问题。从大量医学文献中挖掘微生物相互作用是一种计算方法。从文本中识别出细菌的命名实体和相关实体是微生物关系提取的基础。在先前的工作中，提出了一种基于字典和条件随机场的细菌命名实体识别系统。但是，在处理大规模文本时效率很低。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
代理获取

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号