在蛋白质相互作用网络(protein-protein interaction,PPI)中,识别蛋白质复合物可以帮助揭示蛋白质的生物功能、解释特定的生物进程,这对于研究复杂疾病具有十分重要的意义。如何从蛋白质相互作用数据中挖掘具有生物功能的蛋白质复合物,成为人们揭开生物体奥秘的突破口。高通量实验技术的发展帮助研究者们获得了许多大规模蛋白质相互作用数据,这使得利用计算方法在蛋白质相互作用网络中识别蛋白质复合物成为了可能。然而,由于实验环境不同和误差等原因,从高通量实验中得到的蛋白质相互作用数据往往存在着大量的噪声,这严重影响了蛋白质复合物识别算法的性能。针对相互作用网络数据中存在较高比率假阳性、假阴性的问题,本文从蛋白质自身的生物功能出发,利用基因本体语义相似度与蛋白质实验数据集融合来衡量蛋白质之间相互作用的可靠性;然后,利用提出的可靠性衡量方法来重构蛋白质相互作用网络,并且将几种复合物识别算法应用在这个重构的可靠网络中。实验结果表明,这几种算法在重构可靠网络中的识别精度和性能都有显著提升,并且识别出具有显著生物意义的复合物比例也明显提高。本文提出了一种基于GO语义相似度与边聚集系数的加权网络复合物识别算法一MWGE(Complexes Identifying Method in Weighted Network Based on Gene Ontology and Edge Clustering Coefficient)。该算法首先利用GO语义相似度与边聚集系数调和的办法共同衡量网络中相互作用边的有效性,并且生成加权网络;其次,本文采用迭代运行随机模拟流方法在加权网络中识别复合物;最后,运用入-module和重复率方法去除低效和冗余复合物。实验结果显示,MWGE算法识别的复合物可以更多地与标准复合物匹配,特别是在准确率和综合评价指标上明显高于其他算法。