中文电子病历命名实体识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题背景及研究的目的和意义 | 第9-11页 |
| 1.1.1 课题背景 | 第9-10页 |
| 1.1.2 研究的目的和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 本文研究的主要内容 | 第13页 |
| 1.4 本文的结构安排 | 第13-16页 |
| 第2章 中文电子病历分析及任务描述 | 第16-23页 |
| 2.1 电子病历特点 | 第16-19页 |
| 2.1.1 结构特点 | 第16-18页 |
| 2.1.2 语言特点 | 第18-19页 |
| 2.2 任务描述 | 第19-20页 |
| 2.3 基本特征 | 第20页 |
| 2.4 标注形式与评价方法 | 第20-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第3章 中文电子病历命名实体标注语料构建 | 第23-32页 |
| 3.1 引言 | 第23-24页 |
| 3.2 标注规范 | 第24-26页 |
| 3.3 语料标注 | 第26-28页 |
| 3.3.1 语料介绍 | 第26-27页 |
| 3.3.2 标注模式 | 第27-28页 |
| 3.3.3 质量控制 | 第28页 |
| 3.4 评价方法 | 第28-29页 |
| 3.5 实验结果与分析 | 第29-31页 |
| 3.6 本章小结 | 第31-32页 |
| 第4章 基于有监督学习的中文电子病历命名实体识别 | 第32-48页 |
| 4.1 引言 | 第32-33页 |
| 4.2 基于有监督学习的实体识别 | 第33-40页 |
| 4.2.1 最大熵模型 | 第33-34页 |
| 4.2.2 条件随机域模型 | 第34-35页 |
| 4.2.3 结构化支持向量机模型 | 第35-37页 |
| 4.2.4 Baseline系统 | 第37-40页 |
| 4.3 特征扩展 | 第40-44页 |
| 4.3.1 病历特征 | 第40-41页 |
| 4.3.2 词典资源 | 第41-42页 |
| 4.3.3 词聚类 | 第42-44页 |
| 4.4 实验结果与分析 | 第44-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 基于组合分类器的中文电子病历命名实体识别 | 第48-55页 |
| 5.1 引言 | 第48-49页 |
| 5.2 Bagging算法 | 第49-50页 |
| 5.3 Stacking算法 | 第50-51页 |
| 5.4 实验结果与分析 | 第51-54页 |
| 5.5 本章小结 | 第54-55页 |
| 结论 | 第55-57页 |
| 参考文献 | 第57-62页 |
| 攻读硕士学位期间发表的论文及其他研究成果 | 第62-64页 |
| 致谢 | 第64页 |
