通过T细胞交叉调控动力学中的引导自组织实现文本文件的集体分类
信息检索
2015-03-18 v1 人工智能
机器学习
适应与自组织系统
其他定量生物学
摘要
我们提出并研究了一个基于智能体的T细胞交叉调控模型，该模型源于适应性免疫系统，并将其应用于二分类问题。我们的方法扩展了现有的T细胞交叉调控分析模型（Carneiro等人，Immunol Rev 216(1):48-68, 2007），该模型曾用于研究单一T细胞群体与能够呈递单一抗原的理想化抗原呈递细胞相互作用的自组织动力学。通过基于智能体的建模，我们能够研究多个不同T细胞群体的自组织动力学，这些T细胞通过呈递数百种不同抗原的抗原呈递细胞相互作用。此外，我们表明这种自组织动力学可以被引导，以产生有效的抗原二分类，当应用于生物医学文本分类时，其性能可与现有的机器学习方法相媲美。更具体地说，我们在BioCreative挑战赛提供的公开全文生物医学文章数据集上测试了我们的模型（Krallinger，The biocreative ii. 5 challenge overview, p 19, 2009）。我们研究了模型参数配置的鲁棒性，并表明它产生了与最先进分类器相当的可喜结果。我们的结果有助于理解T细胞交叉调控作为引导自组织的一般原理，以及其在文档分类中的适用性。因此，我们表明，这种受生物启发的算法是一种有前景的新方法，可用于生物医学文章分类以及一般的二值文档分类。
引用
@article{arxiv.1102.1027,
title = {Collective Classification of Textual Documents by Guided Self-Organization in T-Cell Cross-Regulation Dynamics},
author = {Alaa Abi-Haidar and Luis M. Rocha},
journal= {arXiv preprint arXiv:1102.1027},
year = {2015}
}