|
结构对应的主题模式挖掘在生物文献标题数据
Structured Correspondence Topic Models for Mining Captioned Figures in Biological Literature |
|
| |
| 课程网址: |
http://videolectures.net/kdd09_ahmed_sctm/
|
| 主讲教师: |
Amr Ahmed
|
| 开课单位: |
卡内基梅隆大学
|
| 开课时间: |
2009-12-14
|
| 课程语种: |
英语
|
| 中文简介: |
.主要的信息来源（通常是最重要的信息的一部分）在科学期刊的学术文章，诉讼和图书的数字，直接提供的图像和关键的实验结果和科学内容的其他图形插图。在生物制品，典型的人物通常包括多个面板，伴随有局部或全局标题文本。此外，在标题文本包含重要的语义实体，如蛋白质的名称，基因本体论，组织的标签等，在数字图像相关。近年来由于生物文献的雪崩，和增加的各种生物成像技术的普及，自动检索和数据从文献综述生物信息已成为生命科学中的计算知识提取和管理一个悬而未决的重大挑战。我们提出了一个新的结构的概率主题模型建立在一个现实的图形生成方案的模型结构注释的生物数据，我们得出一个基于高效的推理算法的信息检索和可视化倒塌的吉布斯抽样。生成的程序构成的一个关键的IR引擎在我们的裂隙系统，最近已进入最后一轮（4 70个相互竞争的系统）的大挑战：在生命科学知识，增强。在这里，我们提出各种评价上的数据挖掘任务来说明我们的方法
|
| 课程简介: |
.主要的信息来源（通常是最重要的信息的一部分）在科学期刊的学术文章，诉讼和图书的数字，直接提供的图像和关键的实验结果和科学内容的其他图形插图。在生物制品，典型的人物通常包括多个面板，伴随有局部或全局标题文本。此外，在标题文本包含重要的语义实体，如蛋白质的名称，基因本体论，组织的标签等，在数字图像相关。近年来由于生物文献的雪崩，和增加的各种生物成像技术的普及，自动检索和数据从文献综述生物信息已成为生命科学中的计算知识提取和管理一个悬而未决的重大挑战。我们提出了一个新的结构的概率主题模型建立在一个现实的图形生成方案的模型结构注释的生物数据，我们得出一个基于高效的推理算法的信息检索和可视化倒塌的吉布斯抽样。生成的程序构成的一个关键的IR引擎在我们的裂隙系统，最近已进入最后一轮（4 70个相互竞争的系统）的大挑战：在生命科学知识，增强。在这里，我们提出各种评价上的数据挖掘任务来说明我们的方法
|
| 关 键 词: |
生物制品; 生物文献; 吉布斯抽样
|
| 课程来源: |
视频讲座网
|
| 最后编审: |
2020-06-06：张荧(课程编辑志愿者)
|
| 阅读次数: |
30
|
|
图 书 馆