重写:我们在这篇论文中使用潜在语义索引(LSI,一种信息检索技术)[7]从蛋白质互作网络中检索蛋白质之间的关系。 LSI可以解决信息检索(IR)中的同义词(表达给定概念的许多方式)和多义词(单词有多种含义)问题。 这个属性对于解决我们的问题也很有用。 我们的实验结果表明,我们的方法确实克服了使用蛋白质互作网络预测蛋白质功能的问题。
时间: 2023-03-09 20:23:59 浏览: 89
我们在本文中使用潜在语义索引(LSI)[7],这是一种信息检索技术,从蛋白质互作网络中检索出蛋白质之间的关系。 LSI可以解决信息检索(IR)中的同义词(表达某种概念的许多方式)和多义词(单词有多种含义)问题,这种属性对于解决我们的问题也是非常有用的。实验结果表明,我们的方法确实能够克服使用蛋白质互作网络预测蛋白质功能的问题。
相关问题
重写:在这篇论文中,我们提出了一种新的方法,可用于预测蛋白质功能。我们使用LSI来解决信息检索中的同义词和多义词问题,以克服在蛋白质相互作用网络中过滤出错误和混乱信息的困难。我们定义了蛋白质之间的相似性度量,并通过该度量检测相似的蛋白质。我们的实验结果表明,检测到的相似蛋白质确实具有一些功能关系。
我们提出了一种新的方法,用于预测蛋白质功能。采用LSI解决信息检索中的同义词和多义词问题,从而克服了在蛋白质相互作用网络中过滤出错误和混乱信息的困难。我们定义了蛋白质之间的相似性度量,并通过该度量检测相似的蛋白质。实验结果表明,我们检测到的相似蛋白质确实具有一些功能关系。
重写:LSI空间的维度选择k可以看作是我们希望保留多少信息和过滤掉多少噪音的选择。由于LSI的特性,如果k逼近单元格中不同函数的数量,LSI将表现良好。事实上,单元格中的函数数量仍然未知。
重写:LSI空间中维度选择的k值可以被视为我们希望保留多少信息并过滤掉多少噪音的选择。由于LSI的特性,如果k接近单元格中不同函数的数量,LSI将表现出良好的性能。但实际上,我们并不知道单元格中函数的确切数量。