蛋白质与蛋白质间相互作用的准确预测是计算分子生物学领域的重要研究内容。虽然人们对蛋白质相互作用数据可靠性做了大量的研究工作，受限于当前的技术手段和预测方法，现在通过各种途径所获得的大规模蛋白质相互作用数据的可靠性都不是特别理想。 不管是生物实验的方法还是计算机算法预测蛋白质相互作用，都面临着一个重要问题是预测结果中包括大量的假阳性数据，这些假阳性数据使得数据的可靠性大大降低。本文提出了利用蛋白质包含的GO短语间的语义相似性，定义蛋白质之间的相似性模型，进而提出了一种蛋白质相互作用假阳性过滤方法。实验结果表明，本文提出的过滤方法可以有效降低蛋白质相互作用预测数据集中的假阳性，提高预测的准确率。 为了获取具有高度可靠性的蛋白质相互作用数据，本文结合了蛋白质的结构域信息以及GO注释信息，利用最大似然估计模型预测蛋白质中存在的相互作用。与只用一种蛋白质信息来预测蛋白质相互作用相比，结合了两种蛋白质信息可以大幅度提高真阳性数据的比例，而假阳性数据只会轻微增多。同时，本文中的方法可以用来给蛋白质对赋值表明其发生相互作用的可能性。