基于中文电子病历的跨科室组块分析研究
摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第1章 绪论 | 第9-15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 研究的目的及意义 | 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 本文主要研究内容和结构安排 | 第13-15页 |
第2章 任务描述及语料库构建 | 第15-25页 |
2.1 引言 | 第15页 |
2.2 电子病历特点分析 | 第15-16页 |
2.3 任务分析 | 第16页 |
2.4 基本特征 | 第16-17页 |
2.5 任务标注形式与评价方法 | 第17-18页 |
2.6 语料分析与标注规范介绍 | 第18-23页 |
2.6.1 哈工大依存关系树库 | 第18-19页 |
2.6.2 清华汉语树库 | 第19-20页 |
2.6.3 宾州中文树库 | 第20-21页 |
2.6.4 标注规范及语料介绍 | 第21-23页 |
2.7 语料标注模式及相关评价 | 第23-24页 |
2.8 本章小结 | 第24-25页 |
第3章 基于有监督学习的中文电子病历组块分析 | 第25-32页 |
3.1 引言 | 第25-26页 |
3.2 条件随机场 | 第26-28页 |
3.2.1 标记偏置问题 | 第26页 |
3.2.2 CRF原理 | 第26-28页 |
3.3 结构化支持向量机 | 第28-30页 |
3.4 实验结果与分析 | 第30页 |
3.5 本章小结 | 第30-32页 |
第4章 基于迁移学习的跨科室组块分析 | 第32-48页 |
4.1 引言 | 第32-33页 |
4.2 基于特征的SCL算法 | 第33-36页 |
4.3 基于实例的TRADABOOST算法 | 第36-40页 |
4.4 辅助语料选择算法 | 第40-42页 |
4.5 双重迁移算法 | 第42-43页 |
4.6 实验结果与分析 | 第43-47页 |
4.6.1 基于特征的实验 | 第43-44页 |
4.6.2 基于实例的实验 | 第44-45页 |
4.6.3 双重迁移学习 | 第45-47页 |
4.7 本章小结 | 第47-48页 |
结论 | 第48-50页 |
参考文献 | 第50-54页 |
攻读硕士学位期间发表的论文 | 第54-56页 |
致谢 | 第56-57页 |