VIP20
本课程属于：053-药物知识图谱特征学习任务 生物信息学与 AI 制药工程 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

药物靶点关系抽取与特征表示实践

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程介绍与背景
药物靶点关系抽取的意义与应用场景
课程介绍背景
02
生物医学文本挖掘基础
命名实体识别(NER)简介
生物医学文本挖掘…NER
03
药物与靶点资源
DrugBank · UniProt · CTD等数据库
药物靶点资源
04
关系抽取概述
有监督 · 半监督 · 无监督方法
关系抽取概述有监督
05
特征表示入门
one-hot · 词袋模型与TF-IDF
特征表示入门one-hot
06
词嵌入
Word2Vec与GloVe原理与实…
词嵌入Word2Vec
07
上下文嵌入
ELMo与BERT基础
上下文嵌入ELMo
08
预训练语言模型
BioBERT · PubMedBERT在生物医学中的应…
预训练语言模型BioBERT
09
序列标注与BIO标签
关系抽取的序列标注方法
BIO序列标注
10
基于远程监督的关系抽取
假设与噪声处理
基于远程监督的关…假设
11
多实例学习
包级别关系抽取
多实例学习包级别关系抽取
12
注意力机制
自注意力 · 多头注意力在关系抽取中的应用
注意力机制自注意力
13
图神经网络
构建药物-靶点知识图谱增强特征
图神经网络构建药物
14
蛋白质-药物相互作用预测
任务定义与数据
蛋白质药物相互作用预测
15
药物-药物相互作用抽取
药物-药物相互作用抽取 · 核心概念 · 实践要点
药物药物相互作用抽取
16
靶点-疾病关系抽取
靶点-疾病关系抽取 · 核心概念 · 实践要点
靶点疾病关系抽取
17
特征工程
手工特征（距离 · 词性 · 语法）与自动特征
特征工程手工特征
18
规则与模式匹配方法
正则表达式与UIMA
规则模式匹配方法
19
弱监督与半监督学习方法
自训练 · 协同训练
弱监督半监督学习方法
20
迁移学习
利用预训练模型进行领域适应
迁移学习利用预训练模型进…
21
数据增强技术
回译 · 实体替换 · 生成对抗网络
数据增强技术回译
22
模型评估
精确率 · 召回率 · F1
模型评估精确率
23
数据集构建
标注流程 · 一致性检查与质量保证
数据集构建标注流程
24
实战
基于PyTorch搭建BiLSTM+…
PyTorchBiLSTM+
25
实战
微调BioBERT进行药物靶点关系分…
BioBERT微调
26
实战
利用远程监督与多实例学习抽取大规模关…
利用远程监督多实例学习抽取大…
27
实战
关系抽取结果的后处理与可视化
关系抽取结果的后…可视化
28
案例
药物重定位中的关系抽取应用
案例药物重定位
29
案例
药物不良反应监测中的关系抽取
案例药物不良反应监测
30
课程总结与未来方向
大语言模型与多模态融合
课程总结未来方向